基于冬小麦筋型修正系数的籽粒蛋白质含量遥感预测

• 作者: 李振海 杨武德 杨贵军 段丹丹 赵春奇 赵钰
• 来源期刊: 麦类作物学报
• 学科: 农学
• 关键词: 冬小麦 筋型 植被指数 植株氮浓度 籽粒蛋白质含量
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 生理、生态与栽培
• 页码范围: 373-380
• 页数: 8页
• 分类号: S512.1|S314
• 字数: 5311字
• 语种: 中文
• DOI: 10.7606/j.issn.1009-1041.2020.03.14

摘要

为优化冬小麦籽粒蛋白含量(GPC)的遥感预测模型,基于2012-2013、2014-2015和2017-2018年冬小麦生长季的田间试验,以植株氮代谢过程及GPC形成规律为依据,构建“植被指数(VI)-农学参数-GPC”的半机理模型,并在此基础上通过引入筋型修正系数λ优化“PNC-GPC”模型,修正小麦筋型对模型的影响,进一步提高“VI-PNC-GPC”模型的精度.结果 表明,选取的VI与植株氮浓度(PNC)均极显著相关,其中比值光谱植被指数(RSI)与PNC的相关性最高,相关系数达到0.777,建立的PNC估算模型的决定系数(r2)达到0.604,验证nRMSE为9.93％;构建的PNC-GPC模型为GPC=(5.843×PNC+4.847)×λ,r2=0.792,验证nRMSE为7.43％;对比不考虑冬小麦筋型的“RSI-PNC-GPC”模型,其r 2提高了0.145,验证的nRMSE降低了0.86％.综合来看,以PNC为中间变量,通过考虑不同筋型的差异构建的筋型修正系数可以更加准确地预测GPC.