文献类型： 中文期刊

作者： 屈莎 ¹ ; 李振海 ² ; 邱春霞 ² ; 杨贵军 ² ; 宋晓宇 ² ; 陈召霞 ² ; 刘畅 ³ ;

作者机构： 1.西安科技大学测绘科学与技术学院;国家农业信息化工程技术研究中心;农业部农业信息技术重点实验室;北京市农业物联网工程技术研究中心

2.;西安科技大学测绘科学与技术学院;国家农业信息化工程技术研究中心;农业部农业信息技术重点实验室;北京市农业物联网工程技术研究中心

3.;西安科技大学测绘科学与技术学院;国家农业信息化工程技术研究中心;农业部农业信息技术重点实验室;北京市农业物联网工程技术研究中心;

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

期刊名称： 农业工程学报

ISSN： 1002-6819

年卷期： 2017 年 12 期

页码： 186-193

收录情况： EI ; 北大核心 ; CSCD

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(coefficient of determination,R~2)和验证集标准均方根误差(normalized root mean squared error,n RMSE)及验证标准化平均误差(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R~2和验证n RMSE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R~2和验证n RMSE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。