一种结合作物生长模型估算玉米籽粒蛋白质含量的方法技术

本发明专利技术涉及农业遥感领域，具体提供了一种结合作物生长模型估算玉米籽粒蛋白质含量的方法，包括如下步骤：S1：获取玉米生长周期内的时间序列数据、多期遥感数据及相应日期的玉米叶面积LAI和叶片氮累积量LNA；S2：构建基于遥感数据的LAI和LNA反演模型；S3：构建最小误差函数，最小误差函数中包括LAI和LNA；S4：引入DSSAT模型，将玉米基础参数输入至DSSAT模型进行模拟，并利用LAI、LNA结果与模型模拟结果相结合构建最小误差函数来判断是否达到了最优输入参数，最终得到最优输入参数对应的玉米籽粒蛋白质含量值。本方案通过将LAI和LNA结合构建误差函数并参与最优模型参数求解，可提高玉米籽粒蛋白质含量的估算精度。米籽粒蛋白质含量的估算精度。米籽粒蛋白质含量的估算精度。

【技术实现步骤摘要】
一种结合作物生长模型估算玉米籽粒蛋白质含量的方法


[0001]本专利技术涉及农业遥感
，尤其涉及一种结合作物生长模型估算玉米籽粒蛋白质含量的方法。

技术介绍

[0002]玉米可作为粮食、饲料、油料、能源和制药企业的原料而被广泛使用，是一种重要的粮食作物，在我国甚至全世界都具有很高的经济利用价值。玉米在我国谷物增产总额中的贡献率为40％左右，在我国粮食和饲料生产中占有举足轻重的地位，然而受到玉米生产、加工成本高，高产优质玉米品种资源缺乏等因素的影响，我国每年的玉米进口量仍然逐年增加，蛋白质作为玉米籽粒的重要储存物质，直接影响玉米的产量和品质，因此提高玉米籽粒的蛋白质含量具有重要的经济价值和社会效益。
[0003]现有的玉米籽粒蛋白质估算方法多基于田间采样，或利用特定时期的遥感数据与实测玉米籽粒蛋白质含量数据进行统计分析，选取与玉米籽粒蛋白质含量相关的特征变量，进而建立起玉米籽粒蛋白质含量与特征遥感变量间的相关函数关系。现有的对玉米籽粒蛋白质含量进行遥感估产的方案主要存在如下不足：1、仅仅依靠田间实测方法，对时间和劳动力的耗费较大，效本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种结合作物生长模型估算玉米籽粒蛋白质含量的方法，其特征在于，包括如下步骤：S1：获取玉米生长周期内的时间序列数据、多期遥感数据及相应日期的玉米叶面积LAI和叶片氮累积量LNA；S2：构建基于遥感数据的LAI和LNA反演模型；S3：构建最小误差函数，最小误差函数中包括LAI和LNA；S4：引入DSSAT模型，将玉米基础参数输入DSSAT模型进行模拟，并利用遥感数据反演的LAI、LNA结果与模型模拟结果相结合构建最小误差函数来判断是否达到了最优输入参数，最终得到最优输入参数对应的玉米籽粒蛋白质含量值。2.根据权利要求1所述的结合作物生长模型估算玉米籽粒蛋白质含量的方法，其特征在于，步骤S3中的最小误差函数如公式（1）所示：其中，N代表遥感数据获取的次数；LAIs
i
即LAI
simulation
，LAIm
i
即LAI
image_measure_i
，LAIs
i
和LAIm
i
分别代表LAI的第i次模型模拟值和第i次遥感影像观测值；LNAs
i
即LNA
simulation
，LNAm
i
即LNA
image_measure_i
，LNAs
i
和LNAm
i
分别代表LNA的第i次模型模拟值和第i次遥感影像观测值。3.根据权利要求2所述的结合作物生长模型估算玉米籽粒蛋白质含量的方法，其特征在于，LAIm
i
和LNAm
i
由步骤S2中的反演模型得到，具体表示为公式（2）和公式（3）：由步骤S2中的反演模型得到，具体表示为公式（2）和公式（3）：其中k
LNA
为LNA反演模型中的斜率，k
LAI
为LAI反演模型中的斜率；b
LNA
为LNA反演模型中的截距，b
LAI
为LAI反演模型中的截距；e
LNA
为LNA反演模型中的随机误差，e
LAI
为LAI反演模型中的随机误差；VI为遥感指数，VI
LAIbest_image_i
和VI
LNAbest_image_i
分别为与LAI和LNA相关性最高的遥感指数。4.根据权利要求3所述的结合作物生长模型估算玉米籽粒蛋白质含量的方法，其特征在于，通过公式（2）和公式（3），分别计算所估算周期内每一天遥感影像的LAI
image_measure_i
和LNA
image_measure_i
，即计算出Image1、Image2、Image3、......、Image
n
对应的LAI
image_measure_1
、LAI
image_measure_2...

【专利技术属性】
技术研发人员：朱冰雪，陈圣波，路鹏，
申请(专利权)人：吉林大学，
类型：发明
国别省市：