文献类型： 中文期刊

作者： 赵春奇 ¹ ; 李振海 ¹ ; 杨贵军 ¹ ; 段丹丹 ¹ ; 赵钰 ¹ ; 杨武德 ¹ ;

作者机构： 1.山西农业大学农学院;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： 冬小麦;筋型;植被指数;植株氮浓度;籽粒蛋白质含量

期刊名称： 麦类作物学报

ISSN： 1009-1041

年卷期： 2020 年 03 期

页码： 373-380

收录情况： 北大核心 ; CSCD

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(r~2)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,r~2=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。