一种冬小麦籽粒蛋白质含量遥感监测预报方法技术

本发明专利技术方法基于遥感信息获取的瞬时性与广域性，结合小麦开花期间气候环境条件对籽粒品质形成的影响特点，建立了基于氮素积累过程的籽粒蛋白质含量预测模型；通过组件化的设计方法，实现了遥感信息和籽粒蛋白质含量模型的耦合，即，利用开花期遥感影像反演的ＬＡＩ、生物量和植株氮含量数据，及时替换小麦籽粒蛋白质含量预报模型对应的参数变量，进而实现对单点小麦籽粒蛋白质含量的预测，预测精度达到８５％以上；进一步，采用“点”（样点籽粒蛋白质含量）与“面”（遥感影像）尺度转换方法，制作了冬小麦籽粒蛋白质含量分级监测预报专题图，具有直观，时效性好的特点，对农业部门获取区域小麦品质信息或指导粮食收购具较好的实用性。

【技术实现步骤摘要】

本专利技术方法是涉及一种作物品质遥感监测方法，尤其是能动态地对区域范围内冬小麦籽粒蛋白质含量进行监测预报，并能制作蛋白质含量专题信息图的小麦品质遥感监测预报方法。属于农业遥感技术应用领域。
技术介绍
小麦是世界性的重要粮食作物，在我国是仅次于水稻的第二大粮食作物，其产量与品质直接关系人类食物的供应程度和营养水平。其中品质性状的改良对于丰富人们的食物来源，提高经济和社会效益具有非常重要作用和意义。蛋白质含量是决定小麦面粉用途最主要的因子，按照蛋白质含量的多寡，可以分为强筋小麦、中筋小麦和弱筋小麦。其中，强筋小麦籽粒蛋白质大于或等于14%，适于生产面包粉以及搭配生产其他专用粉；弱筋小麦籽粒蛋白质含量等于或小于11. 5%，适于制作饼干、糕点等；中筋小麦籽粒蛋白质含量介于强筋和弱筋小麦之间，适于制作面条或馒头。作为高品质面粉的强筋小麦和弱筋小麦发展缓慢，尤其是弱筋小麦，从2000年下半年开始国家停止大规模进口小麦，国产弱筋小麦面粉企业的使用量逐年上升，由于国内在高品质的弱筋小麦面粉的严重缺乏，出现了市场上供需严重不足，随着工业化和城市化的发展，人民的生活水平不断提高，对高品质粮食消费的需求不断提高，市场缺口非常大。 高品质小麦严重缺乏的原因，除了小麦品种因素外，栽培过程和田间配套管理措施的影响较为明显，对小麦全生长期的氮素等影响最终籽粒蛋白质含量的重要信息缺乏有效的监测和控制。目前国内在对冬小麦品质监测预报方面的研究发展较为缓慢，王纪华等研究表明在冬小麦生长后期，特定波段的光谱反射率与叶片含氮量极显著正相关，同时与最终的蛋白质产量有非常显著的相关性；田永超等认为抽穗后冠层植被指数R1500/R610与小麦籽粒蛋白质积累量呈极显著的指数关系。这些研究大都是基于冬小麦生长期内的遥感参数与蛋白质含量的线性关系建立的经验模型，缺乏机理性和普适性。
技术实现思路
为增强冬小麦籽粒蛋白质含量遥感监测的动态性和机理性，本专利技术方法将空间遥感反演技术和冬小麦籽粒蛋白质积累过程的定量化模拟技术相结合，在建立冬小麦籽粒蛋白质含量预测模型的基础上，利用遥感反演信息订正蛋白质含量预测模型运行轨迹，再通过“点”(样点蛋白质含量预测值)与“面”(遥感影像)形式转换，达到对区域冬小麦蛋白质含量监测预报的目的。本专利技术所建立的冬小麦蛋白质含量遥感监测预报方法，机理性和通用性较强，可为农业部门或农业技术人员及时获取冬小麦区域品质信息提供技术支持。 主要
技术实现思路
和技术体系如下1.冬小麦籽粒蛋白质含量预测模型建立冬小麦籽粒蛋白质含量GPC(% )的预测模型构建如下GPC = GNCX β(1)式(1)中，β为籽粒氮素含量与蛋白质含量间的转换系数。GNC(% )为籽粒氮含量，其算法如下GNC = GNW/GW(2)式O)中，GW为籽粒重量(kg -ha-1)。GNW为籽粒中氮的总累积量(kg ^tm1)，其来源于花前存贮氮的运转和花后植株对氮的再吸收运转，籽粒中氮素的累积过程(即籽粒的灌浆阶段)主要受气温和土壤水分的影响。GNW的计算如下式GNW = (GNSff+GNUff) Xmin (FT, Fff)GNSW = (PNC-PWC) XPFW (3)GNUW = F (LAI，PFW)式⑶中，GNSff为花前(指齐穗期)植株中存储氮的可运转量(kg · ha-1)。GNUff 为花后植株对氮素的再吸收运转量(kg ha—1)，这一部分氮素主要供给籽粒合成蛋白质，其值通过函数F(LAI，PFff)获得。分析GNUW与花前群体叶面积指数(LAI)和地上部生物量 (PFff)的关系，建立F (LAI，PFW)的如下回归算法F(LAI, PFff) = 20. 94 X In (LAI)+19. 44 X In (PFff)-174. 19(4)式(3)中，PNC为花前植株氮含量(％ )。PNMC为成熟后秸秆氮含量(％ )，强筋、 中筋、弱筋小麦分别取值为0. 55PNC、0. 60PNC、0. 65PNC。PNC与遥感影像的NDVI有较好的相关性，可通过遥感影像反演获得，算法如下PNC = DXNDVIF+EX α(5)式(5)中，NDVIF为冬小麦花前的归一化植被指数，D、α为经验系数，分别取值 1. 2624和2. 47观。E为调整函数，表示齐穗前遥感影像获得时间的不同对PNC监测值的影响，E的算法如下式E = (BaT-TmT) /BaT(6)式(6)中，BaT为拔节到齐穗的天数，单位为日(d)。TmT为影像获得时间到齐穗的天数，单位为日(d)。花前进行LAI遥感监测，可以合理掌握群体的长势变化动态，监测效果颇为明显。 小麦花前的LAI与PFW(地上部生物量)具有极明显的相关关系，LAI则通过遥感反演模型获得。建立PFW的计算模型PFff = 6049. 2 X In (LAI) +875. 35LAI = 4. 4825 X exp (0. 4905 X NDVIF) (7)式O)中，籽粒重量GW可以通过品种的收获指数、花前植株干重和花前存储于植株中的光合产物向籽粒运转量之间的换算获得，具体计算如下式Gff = (HI X PFff) / (1-HI+HI X β )(8)式(8)中，HI为小麦品种的收获指数，β为花前存储于植株中的光合产物(花后) 向籽粒运转量占籽粒重的百分比(对产量的贡献率)，据有关研究，β —般在20% 30% 之间，因品种而异。式(3)中，FT为温度影响因子，表示灌浆期间的气温变化对籽粒蛋白质形成(或氮素积累)的影响。其算法描述如下式sqrt {sin}Tb<T<T0l Tol<T<Toh Toh<T<Tm FT =sqrt{sin}Tm<T,orT<Tb式(9)中，T为灌浆期间日均气温；Tm、Tb分别为籽粒蛋白质合成的最高温度上限和最低温度下限；T。h、T01为蛋白质合成最适宜上限温度和最适宜下限温度。式(3)中，FW为水分影响因子，表示灌浆期间的土壤水分变化对籽粒氮素积累的影响。当土壤湿度保持在田间持水量的65%-80%时，籽粒正常进行蛋白质合成。当土壤湿度低于田间持水量的50%或高于田间持水量的100%时，籽粒蛋白质合成受到抑制。FW 计算如下式 FW=1(10)(Wm-W) -Woh)^oh<W<Wm式(10)中，W为灌浆期间土壤含水量；Wm、Wb分别为籽粒蛋白质合成的最高土壤含水量上限和最低土壤含水量下限，分别取田间持水量的90%和40% ；W。h、W01为蛋白质合成最适宜上限土壤含水量和最适宜下限土壤含水量，分别取田间持水量的80%和60%。2.遥感反演信息与冬小麦籽粒蛋白质含量预测模型的耦合方法本专利技术将冬小麦蛋白质含量预测模型与遥感信息耦合技术进行组件式开发，构件对象模型(COM)以标准化DLL形式进行信息封装，具有可扩展性。该组件系统包括小麦的冠层光合模块、物质分配模块、器官建成模块、氮素吸收模块、氮素积累与分配模块、遥感反演模块等部分。冬小麦蛋白质含量预测模型与遥感信息耦合结构见附图1所示。利用遥感信息反演，修订模型运行轨迹，是该方法的另一核心技术。目前有关小麦蛋白质含量监测的研究，多数是作物模型或者遥感线性模型单独使用，两者都有各本文档来自技高网...

【技术保护点】
１．一种基于籽粒氮素积累过程的冬小麦籽粒蛋白质含量预测模型；通过组件化的设计方法，实现了遥感反演信息和冬小麦籽粒蛋白质含量预测模型的耦合。即，利用开花期遥感影像反演的ＬＡＩ、生物量和植株氮含量及时替换冬小麦籽粒蛋白质含量预报模型对应的参数变量，进而实现对单点冬小麦籽粒蛋白质含量的预测；采用“点”（样点籽粒蛋白质含量）与“面”（遥感区域）尺度转换的方法，进行区域小麦籽粒蛋白质含量遥感分级监测预报，可制作区域冬小麦籽粒蛋白质含量分级监测预报专题图。

【技术特征摘要】

【专利技术属性】
技术研发人员：李卫国，王纪华，赵春江，
申请(专利权)人：江苏省农业科学院，
类型：发明
国别省市：84[]