麦类作物学报

作者：赵春奇，李振海，杨贵军，段丹丹，赵钰，杨武德

单位：1.山西农业大学农学院,山西太谷 030801；2.国家农业信息化工程技术研究中心,北京 100097；3.农业部农业信息技术重点实验室,北京 100097；4.北京市农业物联网工程技术研究中心,北京 100097

关键词：冬小麦,筋型,植被指数,植株氮浓度,籽粒蛋白质含量,

基金：国家自然科学基金项目（61134011，31371572，41701375，41471285）

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）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=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。

来源：2020年第3期

《麦类作物学报》期刊编辑部

查看麦类作物学报杂志2020年第3期