区域冬小麦籽粒蛋白含量遥感预测研究.PDFVIP

China Agricultural Informatics Vol No Dec 第30 卷第6 期2018 年12 月 2018 ，30 （6 ）：35-52 .30 ， .6 ，2018 ． 农业遥感 区域冬小麦籽粒蛋白含量遥感预测研究 王 琦1，2 ，3 ，4 ，宋晓宇1，3 ，4 ※，杨贵军1，3 ，4 ， 李振海1，3 ，4 ，冯海宽1，3 ，4 （1. 农业部农业遥感机理与定量遥感重点实验室，北京农业信息技术研究中心 北京 100097 ； 2. 山东农业大学，泰安 271018 ；3. 国家农业信息化工程技术研究中心，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：【目的】籽粒蛋白含量是衡量小麦品质优劣的重要标准，快速准确预测小麦 GPC 有利 于其品质评价和分级管理。【方法】文章分别以卫星光谱参数、农学氮素参数以及气象因子 为影响因素，并运用多元线性回归模型、极限学习机算法、地理加权回归模型 3 种方法实 现对冬小麦 GPC 的预测，最终构建及评价基于不同自变量和不同方法的 GPC 预测模型。 【结果】（ 花期氮素参数，小麦冠层光谱参数与小麦籽粒蛋白品质的关系显著相关， 1 ）小麦开 影响小麦籽粒蛋白品质的关键性气象因子包括 5 月 26—30 日降雨和、5 月中旬至 6 月上旬 日照和、3 月上旬至 6 月上旬积温和；（2 ）以卫星光谱参数、农学氮素参数和气象因子为自 变量，分别采用多元线性回归、极限学习机和地理加权回归 3 种方法构建小麦 GPC 的预测 模型；其中，基于多元线性回归模型构建的 GPC 模型决定系数 R2 为 0.598 ，验证集标准均 方根误差 nRMSE 和平均绝对误差 MAE 分别为 10.36%、1.091，验证结果较稳定；基于 ELM 构 建 的 GPC 模 型 R2 为 0.483 ， 验 证 nRMSE 和 MAE 分 别 为 10.895、1.111； 基 于 GWR 的 GPC 模型建模精度及验证精度相对最优，其建模 R2 为 0.616 ，验证 nRMSE 及 MAE 分别为 8.58%、0.956 ，为最优选择。【结论】综合分析模型的精度评价指标可知，考虑空间数据不 稳定性构建的地理加权回归模型的预测精度最好，能更加准确地预测冬小麦籽粒蛋白含量， 为精确反演冬小麦 GPC 区域间和年际间的预测提供可靠依据，具有广泛的应用前景。 关键词：遥感；模型；籽粒蛋白含量；极限学习机；地理加权回归；冬小麦 DOI ：10.12105/j.issn.1672-0423 0　引言 ［1 ］ 小麦是世界上最主要的粮食作物之一 ，同时在全球范围内约有 1/3 人口以小麦 为主要的粮食来源。随着社会经济的快速发展及人民生活水平的提高，农产品的品质受 　　收稿日期：2018-10-25 　 王琦（1993—），女，汉族，山东日照人，硕士研究生。研究方向：作物品质遥感监测。 　　第一作者简介： Email ：xinxiwangqi@163.com 　 宋晓宇（ 1973—），女，汉族，湖北远安人，副研究员，博士。研究方向：农业定量遥感技术研究与 　　※通信作者简介： 应用。 Email ：Son