基于开花期氮素营养指标的冬小麦籽粒蛋白质含量遥感 - 农业工程学报.pdfVIP

第 33 卷 第 12 期 农 业 工 程 学 报 Vol.33 No.12 186 2017 年 6 月 Transactions of the Chinese Society of Agricultural Engineering Jun. 2017 基于开花期氮素营养指标的冬小麦籽粒 蛋白质含量遥感预测 1,2,3,4 2,3,4 1 2,3,4 屈 莎 ，李振海 ，邱春霞 ，杨贵军 ， 宋晓宇 2,3,4 ※，陈召霞2,3,4 ，刘畅 1,2,3,4 （1. 西安科技大学测绘科学与技术学院，西安 710054 ；2. 国家农业信息化工程技术研究中心，北京 100097 ； 3. 农业部农业信息技术重点实验室，北京 100097；4. 北京市农业物联网工程技术研究中心，北京 100097 ） 摘 要：籽粒蛋白含量（grain protein content，GPC ）是衡量小麦品质的重要指标，及时准确的预测小麦GPC 有利于小麦 的分类收割和分级存储。为了能够选择一个合适的氮素营养指标作为中间变量来反演小麦 GPC，该文研究分别以开花期 植株氮素累积量（plant nitrogen accumulation ，PNA ）、植株氮素含量（plant nitrogen content ，PNC ）、叶片氮素累积量（leaf nitrogen accumulation ，LNA ）和叶片氮素含量（leaf nitrogen content，LNC ）4 个氮素营养指标为中间变量，并运用支持 向量机（support vector machines，SVM ）算法实现 4 个氮素营养指标的估测，最后构建及评价基于开花期“植被指数 （vegetation index ，VI ）-氮素营养指标（nitrogen nutrition index ，NNI ）-GPC ”模式的冬小麦GPC 预测模型。结果表明： 1）通过分析植被指数与氮素营养指标的相关性，选择植被指数MSAVI 、PSRI 、DVI 、RDVI 和 GNDVI 作为氮素营养指 标模型的构建变量；2 ）运用 SVM 方法构建的 VI-NNI 模型中 LNC 的建模精度与验证精度相对最优，其建模决定系数 R2 ）和验证集标准均方根误差（normalized root mean squared error ，nRMSE ）及验证标准化 （coefficient of determination， 平均误差（normalized average error ，NAE ）分别为0.820、9.553%、1.4%，验证结果稳定性较好；3 ）构建NNI-GPC 模 型中 PNC 的建模精度与验证精度相对最好，其建模R2 和验证 nRMSE 及 NAE 分别为 0.653、9.843%、0.3% ；4 ）最终 构建的 VI-NNI-GPC 模型中，以开花期 PNC 为中间变量的模型建模及反演精度最好，其建模 R2 和验证 nRMSE 及 NAE 分别为 0.631、8.564%、0.9% 。以氮素营养指标为中间变量的GPC 遥感反演是可行的，并且比较 4 个氮素营养指标为中 间变量反演GPC，PNC 具有较高精度的预测结果，为精确反演 GPC 提供一个可靠的依据，具有一定的应用前景。 关键词：遥感；模型；支持向量机；籽粒蛋白质含量；氮素营养指标；冬小麦 doi ：10.11975/j.issn.1002-6819.2017.12.024 中图分类号：S127 文献标