[发明专利]一种冬小麦籽粒蛋白质含量遥感监测预报方法

说明书

1、所属技术领域

本发明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。

2、背景技术

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。

3、发明内容

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，本发明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。本发明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。主要发明内容和技术体系如下：

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＝GNC×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(2)中，GW为籽粒重量(kg·ha-1)。GNW为籽粒中氮的总累积量(kg·ha^-1)，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＝(GNSW+GNUW)×min(FT，FW)

GNSW＝(PNC-PNMC)×PFW    (3)

GNUW＝F(LAI，PFW)

式(3)中，GNSW为花前(指齐穗期)植株中存储氮的可运转量(kg·ha^-1)。GNUW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，PFW)获得。分析GNUW与花前群体叶面积指数(LAI)和地上部生物量(PFW)的关系，建立F(LAI，PFW)的如下回归算法：

F(LAI，PFW)＝20.94×ln(LAI)+19.44×ln(PFW)-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＝D×NDVIF+E×α        (5)