專利名稱：一種冬小麥籽粒蛋白質(zhì)含量遙感監(jiān)測預(yù)報(bào)方法
技術(shù)領(lǐng)域：
本發(fā)明方法是涉及一種作物品質(zhì)遙感監(jiān)測方法，尤其是能動態(tài)地對區(qū)域范圍內(nèi)冬小麥籽粒蛋白質(zhì)含量進(jìn)行監(jiān)測預(yù)報(bào)，并能制作蛋白質(zhì)含量專題信息圖的小麥品質(zhì)遙感監(jiān)測預(yù)報(bào)方法。屬于農(nóng)業(yè)遙感技術(shù)應(yīng)用領(lǐng)域。
背景技術(shù)：
小麥?zhǔn)鞘澜缧缘闹匾Z食作物，在我國是僅次于水稻的第二大糧食作物，其產(chǎn)量與品質(zhì)直接關(guān)系人類食物的供應(yīng)程度和營養(yǎng)水平。其中品質(zhì)性狀的改良對于豐富人們的食物來源，提高經(jīng)濟(jì)和社會效益具有非常重要作用和意義。蛋白質(zhì)含量是決定小麥面粉用途最主要的因子，按照蛋白質(zhì)含量的多寡，可以分為強(qiáng)筋小麥、中筋小麥和弱筋小麥。其中，強(qiáng)筋小麥籽粒蛋白質(zhì)大于或等于14%，適于生產(chǎn)面包粉以及搭配生產(chǎn)其他專用粉；弱筋小麥籽粒蛋白質(zhì)含量等于或小于11. 5%，適于制作餅干、糕點(diǎn)等；中筋小麥籽粒蛋白質(zhì)含量介于強(qiáng)筋和弱筋小麥之間，適于制作面條或饅頭。作為高品質(zhì)面粉的強(qiáng)筋小麥和弱筋小麥發(fā)展緩慢，尤其是弱筋小麥，從2000年下半年開始國家停止大規(guī)模進(jìn)口小麥，國產(chǎn)弱筋小麥面粉企業(yè)的使用量逐年上升，由于國內(nèi)在高品質(zhì)的弱筋小麥面粉的嚴(yán)重缺乏，出現(xiàn)了市場上供需嚴(yán)重不足，隨著工業(yè)化和城市化的發(fā)展，人民的生活水平不斷提高，對高品質(zhì)糧食消費(fèi)的需求不斷提高，市場缺口非常大。 高品質(zhì)小麥嚴(yán)重缺乏的原因，除了小麥品種因素外，栽培過程和田間配套管理措施的影響較為明顯，對小麥全生長期的氮素等影響最終籽粒蛋白質(zhì)含量的重要信息缺乏有效的監(jiān)測和控制。目前國內(nèi)在對冬小麥品質(zhì)監(jiān)測預(yù)報(bào)方面的研究發(fā)展較為緩慢，王紀(jì)華等研究表明在冬小麥生長后期，特定波段的光譜反射率與葉片含氮量極顯著正相關(guān)，同時與最終的蛋白質(zhì)產(chǎn)量有非常顯著的相關(guān)性；田永超等認(rèn)為抽穗后冠層植被指數(shù)R1500/R610與小麥籽粒蛋白質(zhì)積累量呈極顯著的指數(shù)關(guān)系。這些研究大都是基于冬小麥生長期內(nèi)的遙感參數(shù)與蛋白質(zhì)含量的線性關(guān)系建立的經(jīng)驗(yàn)?zāi)Ｐ?，缺乏機(jī)理性和普適性。

發(fā)明內(nèi)容
為增強(qiáng)冬小麥籽粒蛋白質(zhì)含量遙感監(jiān)測的動態(tài)性和機(jī)理性，本發(fā)明方法將空間遙感反演技術(shù)和冬小麥籽粒蛋白質(zhì)積累過程的定量化模擬技術(shù)相結(jié)合，在建立冬小麥籽粒蛋白質(zhì)含量預(yù)測模型的基礎(chǔ)上，利用遙感反演信息訂正蛋白質(zhì)含量預(yù)測模型運(yùn)行軌跡，再通過“點(diǎn)”(樣點(diǎn)蛋白質(zhì)含量預(yù)測值)與“面”(遙感影像)形式轉(zhuǎn)換，達(dá)到對區(qū)域冬小麥蛋白質(zhì)含量監(jiān)測預(yù)報(bào)的目的。本發(fā)明所建立的冬小麥蛋白質(zhì)含量遙感監(jiān)測預(yù)報(bào)方法，機(jī)理性和通用性較強(qiáng)，可為農(nóng)業(yè)部門或農(nóng)業(yè)技術(shù)人員及時獲取冬小麥區(qū)域品質(zhì)信息提供技術(shù)支持。 主要發(fā)明內(nèi)容和技術(shù)體系如下1.冬小麥籽粒蛋白質(zhì)含量預(yù)測模型建立冬小麥籽粒蛋白質(zhì)含量GPC(% )的預(yù)測模型構(gòu)建如下
GPC = GNCX β(1)式(1)中，β為籽粒氮素含量與蛋白質(zhì)含量間的轉(zhuǎn)換系數(shù)。GNC(% )為籽粒氮含量，其算法如下GNC = GNW/GW(2)式O)中，GW為籽粒重量(kg -ha-1)。GNW為籽粒中氮的總累積量(kg ^tm1)，其來源于花前存貯氮的運(yùn)轉(zhuǎn)和花后植株對氮的再吸收運(yùn)轉(zhuǎn)，籽粒中氮素的累積過程(即籽粒的灌漿階段)主要受氣溫和土壤水分的影響。GNW的計(jì)算如下式GNW = (GNSff+GNUff) Xmin (FT, Fff)GNSW = (PNC-PWC) XPFW (3)GNUW = F (LAI，PFW)式⑶中，GNSff為花前(指齊穗期)植株中存儲氮的可運(yùn)轉(zhuǎn)量(kg · ha-1)。GNUff 為花后植株對氮素的再吸收運(yùn)轉(zhuǎn)量(kg ha—1)，這一部分氮素主要供給籽粒合成蛋白質(zhì)，其值通過函數(shù)F(LAI，PFff)獲得。分析GNUW與花前群體葉面積指數(shù)(LAI)和地上部生物量 (PFff)的關(guān)系，建立F (LAI，PFW)的如下回歸算法F(LAI, PFff) = 20. 94 X In (LAI)+19. 44 X In (PFff)-174. 19(4)式(3)中，PNC為花前植株氮含量(％ )。PNMC為成熟后秸稈氮含量(％ )，強(qiáng)筋、 中筋、弱筋小麥分別取值為0. 55PNC、0. 60PNC、0. 65PNC。PNC與遙感影像的NDVI有較好的相關(guān)性，可通過遙感影像反演獲得，算法如下PNC = DXNDVIF+EX α(5)式(5)中，NDVIF為冬小麥花前的歸一化植被指數(shù)，D、α為經(jīng)驗(yàn)系數(shù)，分別取值 1. 2624和2. 47觀。E為調(diào)整函數(shù)，表示齊穗前遙感影像獲得時間的不同對PNC監(jiān)測值的影響，E的算法如下式E = (BaT-TmT) /BaT(6)式(6)中，BaT為拔節(jié)到齊穗的天數(shù)，單位為日(d)。TmT為影像獲得時間到齊穗的天數(shù)，單位為日(d)?；ㄇ斑M(jìn)行LAI遙感監(jiān)測，可以合理掌握群體的長勢變化動態(tài)，監(jiān)測效果頗為明顯。 小麥花前的LAI與PFW(地上部生物量)具有極明顯的相關(guān)關(guān)系，LAI則通過遙感反演模型獲得。建立PFW的計(jì)算模型PFff = 6049. 2 X In (LAI) +875. 35LAI = 4. 4825 X exp (0. 4905 X NDVIF) (7)式O)中，籽粒重量GW可以通過品種的收獲指數(shù)、花前植株干重和花前存儲于植株中的光合產(chǎn)物向籽粒運(yùn)轉(zhuǎn)量之間的換算獲得，具體計(jì)算如下式Gff = (HI X PFff) / (1-HI+HI X β )(8)式(8)中，HI為小麥品種的收獲指數(shù)，β為花前存儲于植株中的光合產(chǎn)物(花后) 向籽粒運(yùn)轉(zhuǎn)量占籽粒重的百分比(對產(chǎn)量的貢獻(xiàn)率)，據(jù)有關(guān)研究，β —般在20% 30% 之間，因品種而異。式(3)中，F(xiàn)T為溫度影響因子，表示灌漿期間的氣溫變化對籽粒蛋白質(zhì)形成(或氮素積累)的影響。其算法描述如下式sqrt {sin[(T - Tb )/(Tol - Tb) χ ^/2]}
Tb<T<T0l Tol<T<Toh Toh<T<Tm FT =
sqrt{sin[(Tm -T)/(Tm -Toh) χ ^/2]}
Tm<T,orT<Tb式(9)中，T為灌漿期間日均氣溫；Tm、Tb分別為籽粒蛋白質(zhì)合成的最高溫度上限和最低溫度下限；T。h、T01為蛋白質(zhì)合成最適宜上限溫度和最適宜下限溫度。式(3)中，F(xiàn)W為水分影響因子，表示灌漿期間的土壤水分變化對籽粒氮素積累的影響。當(dāng)土壤濕度保持在田間持水量的65%-80%時，籽粒正常進(jìn)行蛋白質(zhì)合成。當(dāng)土壤濕度低于田間持水量的50%或高于田間持水量的100%時，籽粒蛋白質(zhì)合成受到抑制。FW 計(jì)算如下式 FW=1(10)
(Wm-W) -Woh)^oh<W<Wm式(10)中，W為灌漿期間土壤含水量；Wm、Wb分別為籽粒蛋白質(zhì)合成的最高土壤含水量上限和最低土壤含水量下限，分別取田間持水量的90%和40% ；W。h、W01為蛋白質(zhì)合成最適宜上限土壤含水量和最適宜下限土壤含水量，分別取田間持水量的80%和60%。2.遙感反演信息與冬小麥籽粒蛋白質(zhì)含量預(yù)測模型的耦合方法本發(fā)明將冬小麥蛋白質(zhì)含量預(yù)測模型與遙感信息耦合技術(shù)進(jìn)行組件式開發(fā)，構(gòu)件對象模型(COM)以標(biāo)準(zhǔn)化DLL形式進(jìn)行信息封裝，具有可擴(kuò)展性。該組件系統(tǒng)包括小麥的冠層光合模塊、物質(zhì)分配模塊、器官建成模塊、氮素吸收模塊、氮素積累與分配模塊、遙感反演模塊等部分。冬小麥蛋白質(zhì)含量預(yù)測模型與遙感信息耦合結(jié)構(gòu)見附圖1所示。利用遙感信息反演，修訂模型運(yùn)行軌跡，是該方法的另一核心技術(shù)。目前有關(guān)小麥蛋白質(zhì)含量監(jiān)測的研究，多數(shù)是作物模型或者遙感線性模型單獨(dú)使用，兩者都有各自的弊端與不足。本發(fā)明將遙感信息反演的葉面積指數(shù)(LAI)、生物量、植株氮素含量(PNC)信息，耦合到蛋白質(zhì)預(yù)測模型中去，通過修訂模型運(yùn)行的中間參量，使得模型運(yùn)行的結(jié)果更加符合實(shí)際的冬小麥籽粒蛋白含量信息。3.冬小麥籽粒蛋白質(zhì)含量遙感分級監(jiān)測預(yù)報(bào)方法小麥種植面積提取是遙感品質(zhì)監(jiān)測的必備前提或重要基礎(chǔ)。首先，利用IS0DATA 法進(jìn)行小麥種植面積提取。然后，利用地面GPS控制點(diǎn)提取遙感影像各樣點(diǎn)的NDVI和RVI 值，將所提取NDVI和RVI值輸入葉面積指數(shù)(LAI)、生物量和植株氮素含量反演模型，便可獲得各樣點(diǎn)的LAI、生物量和植株氮素含量預(yù)測數(shù)據(jù)。最后，將各樣點(diǎn)的LAI、生物量和植株氮素含量數(shù)據(jù)輸入到冬小麥籽粒蛋白質(zhì)含量預(yù)測模型中，便可獲得各樣點(diǎn)的籽粒蛋白質(zhì)含量預(yù)測數(shù)據(jù)信息。采用線性轉(zhuǎn)換法，將各樣點(diǎn)籽粒蛋白質(zhì)含量數(shù)據(jù)信息與影像NDVI耦合， 形成基于遙感影像的區(qū)域冬小麥籽粒蛋白質(zhì)含量信息圖。依據(jù)區(qū)域小麥品種籽粒蛋白質(zhì)含量表現(xiàn)情況進(jìn)行分級，最后進(jìn)行各籽粒蛋白質(zhì)含量等級分布面積統(tǒng)計(jì)分析和籽粒蛋白質(zhì)含量專題圖制作(參見附圖2)。4、有益效果
對冬小麥籽粒蛋白質(zhì)含量進(jìn)行分級監(jiān)測預(yù)報(bào)，有利于農(nóng)業(yè)部門掌握當(dāng)?shù)氐亩←溒焚|(zhì)動態(tài)信息，便于制定不同的田間管理措施，達(dá)到調(diào)優(yōu)品質(zhì)生產(chǎn)的目的；也可以為糧食收購加工企業(yè)的原料收購計(jì)劃提供信息指導(dǎo)，促進(jìn)訂單農(nóng)業(yè)的發(fā)展。利用本發(fā)明方法，2007年 2009年連續(xù)三年，對江蘇省泰興、姜堰、儀征、興化、大豐等地的冬小麥籽粒蛋白質(zhì)含量進(jìn)行監(jiān)測預(yù)報(bào)，預(yù)報(bào)精度達(dá)85%以上；同時，還為這些市縣的農(nóng)業(yè)管理部門以及相關(guān)大型糧食加工企業(yè)提供冬小麥籽粒蛋白質(zhì)含量遙感監(jiān)測預(yù)報(bào)分級專題圖，用于指導(dǎo)冬小麥的生產(chǎn)管理和糧食企業(yè)的定點(diǎn)定量定制收購，應(yīng)用面積累計(jì)達(dá)500多萬畝。


圖1為遙感信息與冬小麥籽粒蛋白質(zhì)含量預(yù)則模型耦合結(jié)構(gòu)圖。圖2為結(jié)合預(yù)測模型的冬小麥籽粒蛋白質(zhì)含量監(jiān)測預(yù)報(bào)流程圖。圖3為利用本發(fā)明方法制作的江蘇省小麥籽粒蛋白質(zhì)含量監(jiān)測預(yù)報(bào)分級圖。圖4為姜堰市冬小麥籽粒蛋白質(zhì)含量分級監(jiān)測預(yù)報(bào)圖。
具體實(shí)施例方式1.材料與方法1. 1 材料采用的影像數(shù)據(jù)是美國陸地資源衛(wèi)星Landsat-TM影像，其在姜堰市過境時間是 2008年5月2日。當(dāng)日天氣晴朗，無云或少云，成像質(zhì)量佳。在利用ERDAS IMAGINE軟件對影像數(shù)據(jù)進(jìn)行幾何校正的同時，結(jié)合地面實(shí)測的GPS控制點(diǎn)進(jìn)行幾何精校正，確保校正后誤差小于1個像元。地面控制點(diǎn)的建立，采用美國Trimble公司最新款的Juno ST手持GPS接收機(jī)，在姜堰市的幾大農(nóng)場(考慮到面積較大，作物品種較為統(tǒng)一)選擇了 20個試驗(yàn)樣方點(diǎn)和4個面積較大的實(shí)驗(yàn)基地，采集地理坐標(biāo)、測量實(shí)際范圍和面積，以及記錄冬小麥的品種、葉面積、生物量以及植株氮含量等生長狀況等數(shù)據(jù)。1. 2冬小麥籽粒蛋白質(zhì)含量分級監(jiān)測預(yù)報(bào)首先，利用江蘇省行政邊界矢量圖，裁剪TM影像中姜堰市的區(qū)域范圍，選取7、4、2 波段合成判讀用底圖。由于該區(qū)域冬小麥在5月份處于抽穗期至揚(yáng)花期，此期間的冬小麥葉面積，覆蓋率和綠度指數(shù)都達(dá)到峰值，此時獲取的冬小麥葉片氮素營養(yǎng)指標(biāo)與成熟期籽粒蛋白質(zhì)含量的相關(guān)關(guān)系也最為顯著。通過7、4、2波段組合的假彩色影像目視解譯，同時疊加樣點(diǎn)數(shù)據(jù)輔助判讀，能相對容易的辨別出冬小麥，也能很好的反映出冬小麥的長勢信息。其次，通過IS0DATA法進(jìn)行分類，疊加NDVI灰度圖和GPS采集的樣點(diǎn)和樣區(qū)的作物信息數(shù)據(jù)，進(jìn)行人機(jī)交互式的動態(tài)判讀與目視解譯，提取小麥種植面積。然后，在ERDAS軟件中，利用20個GPS控制點(diǎn)提取遙感影像各樣點(diǎn)的NDVI值，將所提取NDVI值輸入葉面積指數(shù)(LAI)、生物量和葉片氮素含量反演模型，便可獲得各樣點(diǎn)的LAI、生物量和葉片氮素含量預(yù)測數(shù)據(jù)。最后，將各樣點(diǎn)的LAI、生物量及和植株氮素含量數(shù)據(jù)輸入到冬小麥籽粒蛋白質(zhì)含量預(yù)測模型中，便可獲得各樣點(diǎn)的籽粒蛋白質(zhì)含量預(yù)測數(shù)據(jù)信息。采用線性轉(zhuǎn)換法，將各樣點(diǎn)籽粒蛋白質(zhì)含量數(shù)據(jù)信息與影像NDVI耦合，形成基于遙感影像的區(qū)域籽粒蛋白質(zhì)含量信息圖。依據(jù)泰興當(dāng)?shù)匦←溒贩N籽粒蛋白質(zhì)含量表現(xiàn)情況進(jìn)行分級，利用GIS系統(tǒng)軟件進(jìn)行籽粒蛋白質(zhì)含量統(tǒng)計(jì)分析和籽粒蛋白質(zhì)含量分級監(jiān)測預(yù)報(bào)專題圖制作(操作流程參見附圖2)。2.結(jié)果分析經(jīng)過試驗(yàn)樣點(diǎn)的數(shù)據(jù)校正，得到最終得到姜堰市2008年冬小麥種植面積是 30288ha,而該市2008年實(shí)際冬小麥種植面積為^OOOha，精確度在92%，結(jié)果較為可靠。在理解“NDVI指數(shù)一LAI/生物量/PNC等一預(yù)測模型一冬小麥蛋白質(zhì)含量”關(guān)系的基礎(chǔ)上，結(jié)合遙感反演信息和籽粒蛋白質(zhì)含量預(yù)測模型，預(yù)測樣點(diǎn)小麥籽粒蛋白含量信息，再經(jīng)過線性轉(zhuǎn)換，可獲得整個區(qū)域的小麥籽粒蛋白含量分布。依據(jù)小麥籽粒蛋白含量的等級標(biāo)準(zhǔn)，制作該區(qū)域的冬小麥蛋白質(zhì)含量遙感監(jiān)測分級預(yù)報(bào)專題圖(如附圖4)。表1是根據(jù)該區(qū)域的冬小麥蛋白質(zhì)含量分級圖，利用GIS統(tǒng)計(jì)分析后得出的各含量等級冬小麥的面積分布情況，可以看出，偏弱筋和弱筋的小麥面積(即蛋白質(zhì)含量 < 12.5% )所占比重最大，占總面積的85. 5%沖筋和中筋以上的小麥(即蛋白質(zhì)含量> 12. 5)，占總面積一成多，主要為分布在里下河平原地區(qū)以及其他地勢低洼地區(qū)，以黃褐土為主，土壤含水量大質(zhì)地粘重。在實(shí)際采樣和影像分析過程中，發(fā)現(xiàn)存在因?yàn)樘镩g管理上的不當(dāng)造成小麥的品質(zhì)發(fā)生轉(zhuǎn)化，呈偏弱筋或偏中筋特性，小麥的品質(zhì)也隨之下降，因此加強(qiáng)這些田塊的管理，調(diào)整栽培管理方式，可以達(dá)到優(yōu)化小麥品質(zhì)的目的。表1姜堰市2008年各等級蛋白質(zhì)含量冬小麥面積分布
權(quán)利要求
1. 一種基于籽粒氮素積累過程的冬小麥籽粒蛋白質(zhì)含量預(yù)測模型；通過組件化的設(shè)計(jì)方法，實(shí)現(xiàn)了遙感反演信息和冬小麥籽粒蛋白質(zhì)含量預(yù)測模型的耦合。即，利用開花期遙感影像反演的LAI、生物量和植株氮含量及時替換冬小麥籽粒蛋白質(zhì)含量預(yù)報(bào)模型對應(yīng)的參數(shù)變量，進(jìn)而實(shí)現(xiàn)對單點(diǎn)冬小麥籽粒蛋白質(zhì)含量的預(yù)測；采用“點(diǎn)”(樣點(diǎn)籽粒蛋白質(zhì)含量)與“面”(遙感區(qū)域)尺度轉(zhuǎn)換的方法，進(jìn)行區(qū)域小麥籽粒蛋白質(zhì)含量遙感分級監(jiān)測預(yù)報(bào)，可制作區(qū)域冬小麥籽粒蛋白質(zhì)含量分級監(jiān)測預(yù)報(bào)專題圖。
全文摘要
本發(fā)明方法基于遙感信息獲取的瞬時性與廣域性，結(jié)合小麥開花期間氣候環(huán)境條件對籽粒品質(zhì)形成的影響特點(diǎn)，建立了基于氮素積累過程的籽粒蛋白質(zhì)含量預(yù)測模型；通過組件化的設(shè)計(jì)方法，實(shí)現(xiàn)了遙感信息和籽粒蛋白質(zhì)含量模型的耦合，即，利用開花期遙感影像反演的LAI、生物量和植株氮含量數(shù)據(jù)，及時替換小麥籽粒蛋白質(zhì)含量預(yù)報(bào)模型對應(yīng)的參數(shù)變量，進(jìn)而實(shí)現(xiàn)對單點(diǎn)小麥籽粒蛋白質(zhì)含量的預(yù)測，預(yù)測精度達(dá)到85％以上；進(jìn)一步，采用“點(diǎn)”(樣點(diǎn)籽粒蛋白質(zhì)含量)與“面”(遙感影像)尺度轉(zhuǎn)換方法，制作了冬小麥籽粒蛋白質(zhì)含量分級監(jiān)測預(yù)報(bào)專題圖，具有直觀，時效性好的特點(diǎn)，對農(nóng)業(yè)部門獲取區(qū)域小麥品質(zhì)信息或指導(dǎo)糧食收購具較好的實(shí)用性。
文檔編號G06F19/00GK102156128SQ201010166000
公開日2011年8月17日 申請日期2010年4月17日 優(yōu)先權(quán)日2010年4月17日
發(fā)明者李衛(wèi)國, 王紀(jì)華, 趙春江 申請人:江蘇省農(nóng)業(yè)科學(xué)院