發(fā)布時間：2018-04-06 21:29

  本文選題：遙感　切入點：模型　出處：《農(nóng)業(yè)工程學(xué)報》2017年12期

【摘要】：籽粒蛋白含量(grain protein content,GPC)是衡量小麥品質(zhì)的重要指標(biāo),及時準(zhǔn)確的預(yù)測小麥GPC有利于小麥的分類收割和分級存儲。為了能夠選擇一個合適的氮素營養(yǎng)指標(biāo)作為中間變量來反演小麥GPC,該文研究分別以開花期植株氮素累積量(plant nitrogen accumulation,PNA)、植株氮素含量(plant nitrogen content,PNC)、葉片氮素累積量(leaf nitrogen accumulation,LNA)和葉片氮素含量(leaf nitrogen content,LNC)4個氮素營養(yǎng)指標(biāo)為中間變量,并運用支持向量機(jī)(support vector machines,SVM)算法實現(xiàn)4個氮素營養(yǎng)指標(biāo)的估測,最后構(gòu)建及評價基于開花期"植被指數(shù)(vegetation index,VI)-氮素營養(yǎng)指標(biāo)(nitrogen nutrition index,NNI)-GPC"模式的冬小麥GPC預(yù)測模型。結(jié)果表明:1)通過分析植被指數(shù)與氮素營養(yǎng)指標(biāo)的相關(guān)性,選擇植被指數(shù)MSAVI、PSRI、DVI、RDVI和GNDVI作為氮素營養(yǎng)指標(biāo)模型的構(gòu)建變量;2)運用SVM方法構(gòu)建的VI-NNI模型中LNC的建模精度與驗證精度相對最優(yōu),其建模決定系數(shù)(coefficient of determination,R~2)和驗證集標(biāo)準(zhǔn)均方根誤差(normalized root mean squared error,n RMSE)及驗證標(biāo)準(zhǔn)化平均誤差(normalized average error,NAE)分別為0.820、9.553%、-1.4%,驗證結(jié)果穩(wěn)定性較好;3)構(gòu)建NNI-GPC模型中PNC的建模精度與驗證精度相對最好,其建模R~2和驗證n RMSE及NAE分別為0.653、9.843%、-0.3%;4)最終構(gòu)建的VI-NNI-GPC模型中,以開花期PNC為中間變量的模型建模及反演精度最好,其建模R~2和驗證n RMSE及NAE分別為0.631、8.564%、-0.9%。以氮素營養(yǎng)指標(biāo)為中間變量的GPC遙感反演是可行的,并且比較4個氮素營養(yǎng)指標(biāo)為中間變量反演GPC,PNC具有較高精度的預(yù)測結(jié)果,為精確反演GPC提供一個可靠的依據(jù),具有一定的應(yīng)用前景。
[Abstract]:Grain protein content is an important index to evaluate wheat quality. Timely and accurate prediction of wheat GPC is beneficial to the classification and storage of wheat.Four nitrogen nutrition indexes of leaf nitrogen content were intermediate variables.The support vector machine (SVM) support vector machine (SVM) algorithm was used to estimate four nitrogen nutrition indexes. Finally, a prediction model of winter wheat GPC was constructed and evaluated based on the pattern of "vegetation index index VII-N nutrition index nitrogen nutrition NNIGPC" in flowering period.The results showed that the correlation between vegetation index and nitrogen nutrition index was analyzed.The vegetation index (MSAVII) and GNDVI were selected as the construction variables of nitrogen nutrition index model. The modeling accuracy and validation accuracy of LNC in the VI-NNI model constructed by SVM method were relatively optimal.GPC remote sensing inversion with nitrogen nutrition index as intermediate variable is feasible, and the comparison of four nitrogen nutrition indexes as intermediate variable has a high precision prediction result, which provides a reliable basis for accurate inversion of GPC.It has a certain application prospect.
【作者單位】： 西安科技大學(xué)測繪科學(xué)與技術(shù)學(xué)院;國家農(nóng)業(yè)信息化工程技術(shù)研究中心;農(nóng)業(yè)部農(nóng)業(yè)信息技術(shù)重點實驗室;北京市農(nóng)業(yè)物聯(lián)網(wǎng)工程技術(shù)研究中心;
【基金】：國家自然科學(xué)基金項目(41371349;41471285) 國家重點研發(fā)計劃(2016YFD0300603)
【分類號】：S127;S512.11

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張學(xué)兵,楊俊開;氮素營養(yǎng)調(diào)控對不同類型小麥產(chǎn)量影響[J];上海農(nóng)業(yè)科技;2002年04期

2 楊鴻杰,裘宗海,王黎;氮素營養(yǎng)診斷的相關(guān)研究[J];山東農(nóng)學(xué)院學(xué)報;1982年Z1期

3 李紅軍;張立周;陳曦鳴;張玉銘;程一松;胡春勝;;應(yīng)用數(shù)字圖像進(jìn)行小麥氮素營養(yǎng)診斷中圖像分析方法的研究[J];中國生態(tài)農(nóng)業(yè)學(xué)報;2011年01期

4 顧曼如,張若杼,束懷瑞,黎文文,黃化成;蘋果氮素營養(yǎng)研究初報——植株中氮素營養(yǎng)的年周期變化特性[J];園藝學(xué)報;1981年04期

5 陳振林;;氮素營養(yǎng)脅迫與作物生長模擬[J];氣象科技;1993年04期

6 巨艷春;;淺談玉米的氮素營養(yǎng)診斷[J];科技促進(jìn)發(fā)展;2010年S1期

7 孫玉煥;楊志海;;水稻氮素營養(yǎng)診斷方法研究進(jìn)展[J];安徽農(nóng)業(yè)科學(xué);2008年19期

8 溫PI松;水稻氮素營養(yǎng)階段性的初步研究[J];土壤通報;1963年06期

9 ;水稻的氮素營養(yǎng)診斷——Ⅰ.淀粉的快速測定——碘試法[J];植物雜志;1977年03期

10 曾驤;;果樹的氮素營養(yǎng)[J];植物雜志;1987年02期

相關(guān)會議論文 前6條

1 李紅軍;張立周;張玉銘;程一松;胡春勝;;應(yīng)用數(shù)字圖像進(jìn)行小麥氮素營養(yǎng)診斷中圖像分析方法的研究[A];中國植物營養(yǎng)與肥料學(xué)會2010年學(xué)術(shù)年會論文集[C];2010年

2 劉桃菊;潘星哲;陳雙艷;朱冰;江紹琳;唐建軍;;基于高光譜遙感的水稻氮素營養(yǎng)診斷方法研究[A];2012年中國作物學(xué)會學(xué)術(shù)年會論文摘要集[C];2012年

3 王國英;王立國;黃瑞虹;吳立芝;;梨園氮素營養(yǎng)狀況的測定[A];全國第四屆梨科研、生產(chǎn)與產(chǎn)業(yè)化學(xué)術(shù)研討會論文集[C];2005年

4 王遠(yuǎn);王德建;王燦;張剛;;基于冠層圖像的水稻氮素營養(yǎng)診斷[A];面向未來的土壤科學(xué)（中冊）——中國土壤學(xué)會第十二次全國會員代表大會暨第九屆海峽兩岸土壤肥料學(xué)術(shù)交流研討會論文集[C];2012年

5 程建平;曹湊貴;蔡明歷;原保忠;翟晶;;水分脅迫與氮素營養(yǎng)對水稻生理特性的影響[A];中國作物學(xué)會2007年學(xué)術(shù)年會論文集[C];2007年

6 陳愛國;王樹聲;;煙草對氮素營養(yǎng)的吸收、利用研究[A];中國煙草學(xué)會2004年學(xué)術(shù)年會論文集[C];2004年

相關(guān)重要報紙文章 前1條

1 ;氮素營養(yǎng)與氮肥（上）[N];中華合作時報;2005年

相關(guān)博士學(xué)位論文 前5條

1 丁雷;氮素營養(yǎng)調(diào)節(jié)水稻水分狀況和光合作用機(jī)制研究[D];南京農(nóng)業(yè)大學(xué);2015年

2 張金恒;光譜遙感診斷水稻氮素營養(yǎng)機(jī)理與方法研究[D];浙江大學(xué);2004年

3 程建峰;水稻高效氮素營養(yǎng)的種質(zhì)鑒定及生理基礎(chǔ)[D];南京農(nóng)業(yè)大學(xué);2005年

4 馮偉;基于高光譜遙感的小麥氮素營養(yǎng)及生長指標(biāo)監(jiān)測研究[D];南京農(nóng)業(yè)大學(xué);2007年

5 姚霞;小麥冠層和單葉氮素營養(yǎng)指標(biāo)的高光譜監(jiān)測研究[D];南京農(nóng)業(yè)大學(xué);2009年

相關(guān)碩士學(xué)位論文 前10條

1 司瓊;氮素營養(yǎng)對設(shè)施甜瓜生長發(fā)育及產(chǎn)量品質(zhì)的影響[D];新疆農(nóng)業(yè)大學(xué);2015年

2 劉梅;不同形態(tài)氮素營養(yǎng)下油菜和水稻對鹽脅迫的生理響應(yīng)[D];南京農(nóng)業(yè)大學(xué);2014年

3 查海涅;基于衛(wèi)星遙感的水稻生長監(jiān)測與氮素營養(yǎng)診斷系統(tǒng)[D];安徽科技學(xué)院;2016年

4 于琪;數(shù)字圖像處理技術(shù)在小麥氮素營養(yǎng)診斷中的應(yīng)用研究[D];南京農(nóng)業(yè)大學(xué);2015年

5 習(xí)志仁;作物氮素營養(yǎng)監(jiān)測儀的評價與建模[D];南京農(nóng)業(yè)大學(xué);2011年

6 劉備;不同施氮量對木薯氮素營養(yǎng)特性的影響及氮素營養(yǎng)診斷指標(biāo)初探[D];海南大學(xué);2016年

7 唐強;基于時空序列的小麥冠層氮素營養(yǎng)診斷及長勢參數(shù)監(jiān)測研究[D];石河子大學(xué);2010年

8 焦學(xué)磊;基于冠層反射光譜的作物氮素營養(yǎng)無損監(jiān)測儀的研制[D];南京農(nóng)業(yè)大學(xué);2008年

9 張玉玲;氮素營養(yǎng)對不同年代小麥主栽品種產(chǎn)量和品質(zhì)及其生理機(jī)理的影響[D];山東農(nóng)業(yè)大學(xué);2006年

10 莊森;基于光譜的小麥氮素營養(yǎng)監(jiān)測與追肥調(diào)控研究[D];南京農(nóng)業(yè)大學(xué);2009年

，

本文編號：1719000