隨著社會(huì)經(jīng)濟(jì)的日益發(fā)展和生活水平的不斷提高，中國(guó)農(nóng)業(yè)大而不強(qiáng)、多而不優(yōu)的問題依然存在。為了提升農(nóng)業(yè)的科技水平，農(nóng)業(yè)農(nóng)村部農(nóng)業(yè)遙感機(jī)理與定量遙感重點(diǎn)實(shí)驗(yàn)室/北京農(nóng)業(yè)技術(shù)推廣服務(wù)中心、北京市農(nóng)業(yè)技術(shù)推信息化工程技術(shù)研究中心，與全國(guó)農(nóng)業(yè)技術(shù)推廣服務(wù)中心聯(lián)手展開了研究。
籽粒蛋白質(zhì)含量是小麥品質(zhì)評(píng)價(jià)的關(guān)鍵指標(biāo)，而品質(zhì)的高低決定小麥?zhǔn)召?gòu)價(jià)格、加工用途和使用價(jià)值等。該團(tuán)隊(duì)開展小麥籽粒蛋白質(zhì)含量的監(jiān)測(cè)預(yù)報(bào)研究，對(duì)于指導(dǎo)農(nóng)戶調(diào)優(yōu)栽培、企業(yè)分類收儲(chǔ)、期貨小麥價(jià)格、進(jìn)口政策調(diào)整等具有重要意義。
基于作物籽粒蛋白質(zhì)含量(GrainProtein Content，GPC)遙感監(jiān)測(cè)預(yù)報(bào)的研究目前已得到探索和初步應(yīng)用，可以歸納為4類：
(1)基于“遙感信息-籽粒蛋白質(zhì)含量”模式的經(jīng)驗(yàn)?zāi)Ｐ?，該模型通過分析作物關(guān)鍵生育時(shí)期的遙感信息(敏感波段、植被指數(shù)、紅邊參數(shù)等光譜特征)直接構(gòu)建作物GPC統(tǒng)計(jì)經(jīng)驗(yàn)?zāi)Ｐ?
(2)基于“遙感信息-農(nóng)學(xué)參數(shù)-籽粒蛋白質(zhì)含量”模式的定量模型，該模型根據(jù)遙感信息與關(guān)鍵生育期農(nóng)學(xué)參數(shù)之間的定量關(guān)系及農(nóng)學(xué)參數(shù)與GPC之間的定量關(guān)系，構(gòu)建GPC預(yù)測(cè)模型;
(3)基于遙感數(shù)據(jù)和生態(tài)因子的GPC半機(jī)理模型，該模型考慮了作物氮素運(yùn)轉(zhuǎn)機(jī)理和生態(tài)因子對(duì)GPC的影響，改善了模型的年際擴(kuò)展性和空間轉(zhuǎn)移性;
(4)基于遙感信息和作物模型結(jié)合的機(jī)理解釋模型，該模型綜合考慮籽粒蛋白質(zhì)形成過程中各種生態(tài)因子的影響，通過遙感信息和作物生長(zhǎng)模型耦合的同化方法，調(diào)整模型模擬變量與遙感觀測(cè)值的誤差達(dá)到最小，以調(diào)整作物模型的初始參數(shù)和狀態(tài)變量，進(jìn)而實(shí)現(xiàn)GPC的預(yù)測(cè)。
綜合分析以上各類方法與模型的選擇，前兩類模型研究較多，操作簡(jiǎn)單且易實(shí)現(xiàn)，但機(jī)理解釋性不強(qiáng)，在區(qū)域間和年際間擴(kuò)展應(yīng)用過程中監(jiān)測(cè)結(jié)果偏差較大;同化模型方法考慮過多的輸入變量，并且復(fù)雜的同化算法、品質(zhì)生長(zhǎng)模型本地化精度和高耗時(shí)運(yùn)算時(shí)間問題，限制了該類方法的區(qū)域大面積應(yīng)用。
Li等和Xu等通過綜合考慮影響品質(zhì)遙感預(yù)報(bào)模型中環(huán)境變異因素及品種筋型因子，引入分層線性模型(Hierarchical Linear Models，HLM)解釋籽粒蛋白質(zhì)含量-遙感-環(huán)境的嵌套問題，構(gòu)建基于開花期的冬小麥品質(zhì)預(yù)測(cè)模型，很好地解決了模型年際擴(kuò)展和空間擴(kuò)展存在較大偏差的問題。因此，發(fā)展以遙感信息(反映作物養(yǎng)分狀況)與環(huán)境因子(體現(xiàn)時(shí)空變異)結(jié)合的GPC半機(jī)理預(yù)測(cè)方法，構(gòu)建普適性及適用于時(shí)空擴(kuò)展的籽粒蛋白質(zhì)遙感預(yù)測(cè)模型具有可行性。
該研究擬在前期構(gòu)建的冬小麥品質(zhì)分層遙感預(yù)測(cè)的基礎(chǔ)上，初步嘗試在全國(guó)冬小麥主產(chǎn)區(qū)(河南省、山東省、河北省、安徽省和江蘇省)開展GPC模型的構(gòu)建，以期實(shí)現(xiàn)冬小麥品質(zhì)收獲前預(yù)測(cè)。
為了解決預(yù)測(cè)模型在年際擴(kuò)展和空間擴(kuò)展存在偏差的問題，在蛋白質(zhì)含量估算模型中考愿了氣象內(nèi)系(溫度、降水、輻射量)、冬小麥筋型、抽穗一開花期增強(qiáng)型植被指數(shù)(EVI)等因素。
結(jié)果表明，融合3個(gè)氣象因素的蛋白質(zhì)含量估算模型建模集精度(R =0.39，RMSE = 1.04%)與驗(yàn)證集精度(R =0.43、RMSE = 0.94%)均高于融合2個(gè)氣象因子的估算模型和單個(gè)氣象因子的估算模型。將蛋白質(zhì)含量估算模型應(yīng)用冬小麥主產(chǎn)區(qū)品質(zhì)預(yù)報(bào)圖，冬小麥主產(chǎn)區(qū)的蛋白質(zhì)含量遙感估算，得到了2019年冬小麥主產(chǎn)區(qū)品質(zhì)預(yù)報(bào)圖，并形成黃淮海地區(qū)冬小麥品質(zhì)分布專題圖。
該研究結(jié)果可同時(shí)為后續(xù)小麥種植區(qū)劃和實(shí)現(xiàn)綠色、高產(chǎn)、優(yōu)質(zhì)、高效糧食生產(chǎn)提供數(shù)據(jù)支撐。
聯(lián)系客服
