[发明专利]基于光谱指数和气候因子耦合的冬小麦籽粒蛋白质含量预测方法及其预测模型的构建方法

说明书

技术领域

本发明涉及农业植被生长信息无损预测领域技术领域，具体涉及一种基于光谱指数和气候因子耦合的冬小麦籽粒蛋白质含量预测方法及其预测模型的构建方法。

背景技术

在小麦育种、生产及贮藏、加工实践中，籽粒蛋白质含量是小麦的重要品质指标和分类收获贮藏的重要指标。据调查，目前我国入库优质小麦的品质达标率低，达到国家二级强筋小麦的比例不足40%，其中，生产管理模式、栽培措施和生态环境等因素对小麦的品质均有重要影响，加强小麦品质预测预报，将大大提高调优管理和分级收购效率。传统的小麦品质分析与检测方法，不仅分析成本高，而且采用点状取样的方法，代表性差，分析结果滞后，不能为生产过程中小麦调优栽培管理提供技术指导和决策参考，也很难为粮食收购部门或加工企业提供有效信息服务。因此，生产中急需一种小麦收获前蛋白质含量及区域分布的预测方法，便于生产者及时调优管理和粮食加工企业制定收购计划，实现良种良法和优麦优用。

目前，利用光谱预测技术获取田间作物生长信息已经成熟，但在对冬小麦品质预测预报方面的研究发展较为缓慢。前人相关研究表明，特定波段的光谱反射率与叶片含氮量呈极显著正相关，利用小麦生长后期特征光谱可以间接预测成熟期蛋白质含量，但该方法忽略了小麦灌浆期气候条件变化对蛋白质形成的重要影响，地域特征明显；蛋白质含量预报生态模型的气候因子效应明确，但参数较多，且生理机制不清楚，生育中期的长势基础严重影响预报结果的准确性。

发明内容

本发明的目的在于克服上述独立光谱模型、生态模型的缺陷，提供一种精度高、普适性好的基于光谱指数和气候因子耦合的冬小麦籽粒蛋白质含量预测方法及其预测模型的构建方法。

为解决上述技术问题，本发明基于光谱指数和气候因子耦合的冬小麦籽粒蛋白质含量预测模型的构建方法包括下列步骤：

（1）信息采集：先按常规方法分别采集不同区域内的不同生长时期的小麦冠层高光谱信息，再采用常规的五步平滑方法对光谱曲线进行平滑处理；与光谱信息采集同步，采集小麦叶片样品并以常规分析方法测定出不同区域内冬小麦籽粒蛋白质含量实测值；

（2）确立光温积指标：根据冬小麦籽粒灌浆期间的日平均温度DAT（℃）和总日照时数TSD（h）的乘积，得到籽粒灌浆期光温积指标K：

K=DAT×TSD；

（3）构建光温氮指数：根据步骤（2）所得的光温积指标与冬小麦开花期叶片氮积累量LNA（g.m^-2）的乘积，得出籽粒灌浆期光温氮指数ITN=K×LNA，并经回归计算得到籽粒蛋白质含量定量方程Ⅰ：

Y = a× K×LNA+ b                         Ⅰ，

其中，Y为成熟期籽粒蛋白质含量%，K为籽粒灌浆期光温积指标，LNA为开花期叶片氮积累量，a为系数，b为常数项；

（4）确定最佳光谱参数：通过对不同光谱参数与叶片氮积累量间关系的回归比较分析，红边左偏峰面积LSDr与叶片氮积累量呈如下线性相关关系：

LNA= c×X + d                          Ⅱ，

其中，LNA为开花期叶片氮积累量%，X为开花期光谱预测植被指数LSDr，该LSDr为红边位置和680 nm对应波段反射率的差值，即LSDr=R_reple?R₆₈₀；c为系数，d为常数项；

（5）构建预测模型：将步骤（3）所得方程Ⅰ与步骤（4）所得方程Ⅱ联立，以成熟期籽粒蛋白质含量为因变量，开花期叶片氮积累量为自变量，构建出如下冬小麦籽粒蛋白质含量预测模型：

Y= a×c×DAT×TSD×X+ a×d×DAT×TSD + b，

其中，Y为成熟期籽粒蛋白质含量%，DAT为籽粒灌浆期间日平均温度℃，TSD为籽粒灌浆期间总日照时数h，X为开花期光谱预测植被指数LSDr，a和c为系数，b和d为常数项。

在步骤（5）之后还包括：步骤（6）检验模型：

使用独立年份小麦试验数据测试与检验预测模型的准确性和普适性，采用复相关系数R²和相对误差RE对优选模型进行综合评价，并绘制观察值与预测值之间1：1关系图，其中RE计算公式如下：