本文選題：冬小麥 + 蛋白質(zhì)含量　； 參考：《安徽理工大學(xué)》2017年碩士論文

【摘要】：隨著科學(xué)的進步和經(jīng)濟的發(fā)展,農(nóng)產(chǎn)品產(chǎn)量問題得到重視的同時,品質(zhì)問題也越來越受關(guān)注。籽粒蛋白質(zhì)含量(Grain Protein Content,GPC)是作物品質(zhì)性狀之一,本研究針對GPC遙感監(jiān)測這一科學(xué)問題從兩方面展開分析:一方面,考慮到蛋白質(zhì)的形成是一個日積月累的形成過程,從簡單經(jīng)驗?zāi)Ｐ统霭l(fā),建立基于多時相光譜參量的GPC估算模型。另一方面,從籽粒氮素運轉(zhuǎn)原理出發(fā),結(jié)合籽粒氮素累積量(Grain Nitrogen Accumulation,GNA)與籽粒產(chǎn)量(Grain Yield,GY)的比值最終實現(xiàn)GPC的估算。得到的結(jié)論主要有:(1)采用灰色關(guān)聯(lián)分析和偏最小二乘算法,發(fā)現(xiàn)多生育期的作物光譜估測籽粒蛋白質(zhì)含量精度更高。后三期(挑旗期、開花期、灌漿期)特征累積值構(gòu)建的GPC模型具有較高的可靠性,與單一生育期模型精度最高的時期(開花期)相比,估算決定系數(shù)明顯提高,均方根誤差明顯減小。(2)利用典型植被指數(shù)累積值進行籽粒產(chǎn)量的研究。發(fā)現(xiàn),開花期的歸一化植被指數(shù)(744,784)與冬小麥產(chǎn)量的相關(guān)性最大;非線性模型精度高于線性模型,并且后三期預(yù)測模型精度與單生育期模型精度最高的時期(開花期)相比,決定系數(shù)明顯提高,均方根誤差明顯降低。因此,多生育期累積值反演精度高于單生育期,說明多生育期歸一化植被指數(shù)累積值預(yù)測籽粒產(chǎn)量具有一定的可行性。(3)利用籽粒氮素運轉(zhuǎn)原理和波段深度分析方法對籽粒氮素累積量進行研究。GNA由開花前植株貯存向籽粒運轉(zhuǎn)的氮(Nitrogen Translocation Amount,NTA)和花后植株同化的氮(Nitrogen Assimilation Amount,NAA)組成。通過植株氮素運轉(zhuǎn)原理,將NTA的反演轉(zhuǎn)化為葉片氮素累積量的反演。經(jīng)計算發(fā)現(xiàn),利用植被指數(shù)FD742反演開花期葉片氮素累積量最為理想,最終形成植被指數(shù)反演NTA的模型。另外,利用波段深度分析和偏最小二乘,分析開花期和灌漿期特征指數(shù)與NAA的相關(guān)性。發(fā)現(xiàn),特征指數(shù)在兩個生育期與NAA決定系數(shù)均大于0.7,達(dá)到極顯著相關(guān)水平。(4)GNA與GY的比值通過換算系數(shù)得到籽粒蛋白質(zhì)含量模型。通過耦合模型進行估算籽粒蛋白質(zhì)含量,綜合考慮相關(guān)系數(shù)和均方根誤差的大小發(fā)現(xiàn),灌漿期的特征指數(shù)歸一化面積波段深度反演NAA進而反演GPC的精度最高,且建模和驗證的預(yù)測值及真實值之間變化保持一致。
[Abstract]:With the development of science and economy, more and more attention has been paid to the quality of agricultural products. Grain protein content (Protein) is one of the traits of crop quality. In this study, the scientific problem of GPC remote sensing monitoring was analyzed from two aspects: on the one hand, considering that protein formation is a cumulative process, Based on the simple empirical model, the GPC estimation model based on multiphase spectral parameters is established. On the other hand, based on the principle of grain nitrogen transport, the ratio of grain Nitrogen accession (GNA) and grain yield (GY) was combined with the ratio of grain nitrogen accumulation and grain yield to realize the estimation of GPC. The main conclusions are as follows: (1) using grey correlation analysis and partial least squares algorithm, it is found that the precision of estimating grain protein content by crop spectrum in multi-growth stage is higher. The GPC model constructed by the accumulative values of the latter three periods (flag picking, flowering, filling) was of high reliability, and the estimated determinant coefficient was significantly higher than that of the single growth stage model with the highest precision (flowering period). The root mean square error (RMS) was significantly reduced. (2) the grain yield was studied by using the accumulation value of typical vegetation index. It was found that the normalized vegetation index (NDVI) of flowering stage (744784) had the highest correlation with winter wheat yield, and the accuracy of nonlinear model was higher than that of linear model, and the precision of prediction model of the latter three periods was higher than that of single growth stage model (flowering period). The coefficient of determination is increased and the root mean square error is obviously reduced. Therefore, the accuracy of inversion of cumulative value in multiple growth period is higher than that in single growth period. The results show that it is feasible to predict grain yield by the accumulation value of normalized vegetation index in multi-growth stage.) the grain nitrogen accumulation is studied by using the principle of nitrogen transport and the depth analysis method of band. GNA is stored by the plant before flowering. Nitrogen Translocation Amountna (NTAA) and N Nitrogen Assimilation AmountNAA (assimilated after anthesis). Based on the principle of plant nitrogen transport, the inversion of NTA was transformed into the inversion of leaf nitrogen accumulation. It is found by calculation that the best way to invert nitrogen accumulation in leaves at flowering stage is to use vegetation index (FD742) to invert nitrogen accumulation, and finally to form a model of vegetation index inversion for NTA. In addition, the correlation between the characteristic index of flowering and filling stage and NAA was analyzed by using band depth analysis and partial least square method. It was found that the coefficient of determination between characteristic index and NAA was greater than 0.7 at two growth stages, and the ratio of GNA-GY to GY reached the most significant correlation level. The model of grain protein content was obtained by conversion coefficient. The coupling model was used to estimate the grain protein content. Considering the correlation coefficient and the root mean square error, it was found that the characteristic index normalized area band depth inversion of NAA and the inversion of GPC at filling stage had the highest accuracy. And the change between the predicted value and the real value of modeling and verification is consistent.
【學(xué)位授予單位】：安徽理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：S512.11;S127

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 馮偉;姚霞;田永超;朱艷;劉小軍;曹衛(wèi)星;;小麥籽粒蛋白質(zhì)含量高光譜預(yù)測模型研究[J];作物學(xué)報;2007年12期

2 李少昆;譚海珍;王克如;肖春華;謝瑞芝;高世菊;;小麥籽粒蛋白質(zhì)含量遙感監(jiān)測研究進展[J];農(nóng)業(yè)工程學(xué)報;2009年02期

3 李春喜,姬生棟,陳天房,石惠恩;河南省若干小麥品種籽粒蛋白質(zhì)含量及其穩(wěn)定性的分析[J];河南職技師院學(xué)報;1988年04期

4 胡承霖,范榮喜,姚孝友,王敏;小麥籽粒蛋白質(zhì)含量動態(tài)變化規(guī)律及其與產(chǎn)量關(guān)系的研究[J];河南職技師院學(xué)報;1990年Z1期

5 張慶江;張立言;;環(huán)境因子對小麥籽粒蛋白質(zhì)含量的影響[J];河北農(nóng)業(yè)科學(xué);1991年01期

6 馬輝，王有慶，劉敬陽，朱惠琴，郝學(xué)寧;青海省小麥主栽品種籽粒蛋白質(zhì)含量分析[J];青海農(nóng)林科技;1996年03期

7 李樹華,許興,李紅霞,裘敏,何軍,米海莉,惠紅霞;土壤鹽分對小麥籽粒蛋白質(zhì)含量及產(chǎn)量性狀的影響[J];干旱地區(qū)農(nóng)業(yè)研究;2002年04期

8 盧艷麗;李少昆;王克如;謝瑞芝;高世菊;王剛;;基于穗層反射光譜的小麥籽粒蛋白質(zhì)含量監(jiān)測的研究[J];作物學(xué)報;2006年02期

9 張玉峰;楊武德;白晶晶;王大成;牛波;馮美臣;;冬小麥產(chǎn)量與籽粒蛋白質(zhì)含量協(xié)同變化特點及水肥調(diào)控[J];中國農(nóng)業(yè)科學(xué);2006年12期

10 肖春華;李少昆;盧艷麗;王克如;謝瑞芝;高世菊;李曉君;隋學(xué)艷;;基于冠層平行平面光譜特征的冬小麥籽粒蛋白質(zhì)含量預(yù)測[J];作物學(xué)報;2007年09期

相關(guān)會議論文 前5條

1 李映雪;曹衛(wèi)星;;基于冠層高光譜參數(shù)的小麥籽粒蛋白質(zhì)含量的監(jiān)測模型[A];全國農(nóng)業(yè)氣象與生態(tài)環(huán)境學(xué)術(shù)年會論文集[C];2006年

2 王立秋;盧少源;李宗智;;冬小麥碳氮積累和分配的相關(guān)研究[A];第一屆全國青年作物栽培作物生理學(xué)術(shù)會文集[C];1993年

3 刁金男;;小麥輻射誘變育種綜述[A];天津市核學(xué)會2005年學(xué)術(shù)交流會論文匯編[C];2005年

4 呂金印;高俊鳳;山侖;;水分虧缺對小麥籽粒蛋白質(zhì)含量的影響[A];全國植物光合作用、光生物學(xué)及其相關(guān)的分子生物學(xué)學(xué)術(shù)研討會論文摘要匯編[C];2001年

5 王春枝;高炳德;賈樹海;張玉娟;;氮素施用水平對春小麥籽粒及其蛋白質(zhì)形成影響的研究[A];內(nèi)蒙古農(nóng)業(yè)科技土壤肥料專輯[C];1997年

相關(guān)重要報紙文章 前5條

1 農(nóng)業(yè)部小麥專家組 于振文 彭永欣 趙廣才;示范區(qū)品質(zhì)管理要點[N];農(nóng)民日報;2003年

2 記者 李揚;麥?zhǔn)赵诩?農(nóng)業(yè)專家提建議[N];安陽日報;2008年

3 ;濟麥20[N];農(nóng)民日報;2004年

4 本報記者 溫婕　通訊員 朱濤;高產(chǎn)田示范效應(yīng)凸顯[N];石家莊日報;2011年

5 本報記者 高文　郝凌峰;天不幫忙人努力[N];農(nóng)民日報;2011年

相關(guān)博士學(xué)位論文 前1條

1 鞠昌華;利用地—空高光譜遙感監(jiān)測小麥氮素狀況與生長特征[D];南京農(nóng)業(yè)大學(xué);2008年

相關(guān)碩士學(xué)位論文 前10條

1 孫光佑;稻秸深旋還田年數(shù)對揚輻麥5號產(chǎn)量與品質(zhì)及土壤養(yǎng)分含量的影響[D];揚州大學(xué);2015年

2 陳召霞;高光譜遙感的冬小麥籽粒蛋白質(zhì)含量監(jiān)測[D];安徽理工大學(xué);2017年

3 王妍;小麥主要生育期光譜特性及籽粒蛋白質(zhì)含量反演研究[D];揚州大學(xué);2013年

4 任麗梅;優(yōu)質(zhì)（專用）小麥生產(chǎn)管理氮肥決策系統(tǒng)的研究[D];中國農(nóng)業(yè)大學(xué);2003年

5 魏大海;大麥籽粒蛋白質(zhì)含量遺傳及其與部分性狀的相關(guān)性研究[D];揚州大學(xué);2005年

6 沈會權(quán);不同大麥品種產(chǎn)量性狀和籽粒蛋白質(zhì)含量的遺傳差異及氮肥的影響效應(yīng)研究[D];揚州大學(xué);2007年

7 徐振華;粳稻雜種后代氮代謝關(guān)鍵酶活性及相關(guān)基因轉(zhuǎn)錄表達(dá)和序列分析[D];東北農(nóng)業(yè)大學(xué);2014年

8 李杰;大麥籽粒蛋白質(zhì)含量和直鏈淀粉含量的遺傳研究[D];揚州大學(xué);2009年

9 朱占玲;小麥籽粒蛋白質(zhì)含量的條件QTL分析[D];山東農(nóng)業(yè)大學(xué);2011年

10 李繼發(fā);拔節(jié)期施氮和澆水對小麥籽粒蛋白質(zhì)含量影響的條件QTL分析[D];山東農(nóng)業(yè)大學(xué);2014年

，

本文編號：1883113