利用生態(tài)因子和遙感分區(qū)對小麥品質監(jiān)測的研究.pdf

1、生態(tài)因子是影響小麥品質形成的重要因素，本論文通過綜合利用生態(tài)因子和遙感分區(qū)進行小麥籽粒蛋白質含量遙感監(jiān)測，以期提高監(jiān)測精度。以北京地區(qū)冬小麥為研究對象，開展以下研究：
　　 (1)基于神經網絡的冬小麥蛋白質含量關鍵生態(tài)因子的篩選分析，針對影響冬小麥主要品質-蛋白質的百分含量，利用神經網絡算法，確定了各個因子對品質影響力的大小并將其定量化表達；(2)利用所篩選的決定小麥品質關鍵生態(tài)因子，基于各個因子分別與其權重疊加的結果與各個因子

2、不考慮權重疊加的結果兩種分區(qū)模型進行區(qū)劃研究，選擇最優(yōu)的區(qū)劃模型實現(xiàn)了北京地區(qū)優(yōu)質冬小麥品質等級分類的區(qū)劃；(3)針對不同的分區(qū)構建綜合生態(tài)因子和遙感信息的小麥品質監(jiān)測模型，并與單一遙感監(jiān)測模型、生態(tài)因子模型對比，選擇最優(yōu)的小麥品質監(jiān)測模型，以期實現(xiàn)北京地區(qū)小麥品質的遙感監(jiān)測。本研究對于增強小麥品質遙感監(jiān)測機理、提高精度具有重要意義。
　　 研究取得的主要成果表現(xiàn)在以下幾個方面：
　　 1.基于神經網絡的冬小麥蛋白質含量

3、關鍵生態(tài)因子初步分析
　　 利用北京地區(qū)具有代表性的小麥種植點的氣象數(shù)據(jù)和土壤養(yǎng)分數(shù)據(jù)，通過神經網絡方法來評估溫度、降雨、光照和土壤養(yǎng)分含量等因子對小麥籽粒蛋白質含量影響的相對重要程度。研究表明，影響北京地區(qū)冬小麥籽粒蛋白質含量的主要因素依次有：蠟熟初期(6月6日至6月10日)的光照時間、氣溫大于32℃的天數(shù)、土壤堿解氮含量、整個灌漿期即籽粒形成關鍵期(5月上旬至6月上旬)的平均氣溫、灌漿期后期(5月26日至5月30日)的平均氣

4、溫、灌漿期中后期(5月下旬至6月上旬)≥0℃的積溫、乳熟期(6月1日至6月5日)的平均氣溫、灌漿期中后期(5月下旬至6月上旬)的溫差、灌漿期中后期(5月下旬至6月上旬)的降雨量和土壤有機質含量；針對關鍵因子利用神經網絡模型制作了響應曲線以反映蛋白質含量隨生態(tài)因子的變化趨勢。
　　 2.基于遙感與地理信息系統(tǒng)的北京地區(qū)冬小麥品質分區(qū)的研究
　　 在ARCGIS支持下，利用影響冬小麥蛋白質含量的各個關鍵生態(tài)因子進行空間插值，

5、將點狀關鍵因子數(shù)據(jù)空間化，建立多因子空間數(shù)據(jù)庫，根據(jù)神經網絡對每一因子計算出的RATIO設定一個權重值多層疊加，在ENVI環(huán)境下，用氣象因子和土壤因子分層分析、整合各種因素，比較等權重和差異權重兩種分區(qū)模型的分區(qū)結果，最終作出北京地區(qū)冬小麥品質分區(qū)的各種區(qū)域的不同分類；并對分類結果進行了分析。
　　 3.基于分區(qū)的小麥品質形成關鍵期蛋白質含量遙感監(jiān)測
　　 以北京地區(qū)的主推冬小麥品種-中優(yōu)206籽粒蛋白質為研究對象，利用

6、遙感數(shù)據(jù)提取北京地區(qū)冬小麥不同生育時期多種植被指數(shù)(VIs)和中優(yōu)206籽粒蛋白質進行相關性研究，結果表明：5月11日的NDVIgreen值與籽粒蛋白質相關性最好且達極顯著水平，因此該時期為建立冬小麥遙感品質監(jiān)測模型的最佳時相。利用生態(tài)環(huán)境數(shù)據(jù)和光譜數(shù)據(jù)分別構建了冬小麥光譜品質模型、生態(tài)環(huán)境品質模型以及光譜與生態(tài)環(huán)境綜合品質模型；通過對冬小麥光譜品質模型、生態(tài)環(huán)境品質模型以及光譜與生態(tài)環(huán)境綜合品質模型預測效果進行F檢驗，表明各模型均達到

7、極顯著水平；但是與其它兩種模型相比，光譜與生態(tài)環(huán)境綜合品質模型的決定系數(shù)(R2)有明顯的提高，并且相對均方根誤差(RRMSE)和相對誤差(RE)降低，且降幅度較大。說明光譜與生態(tài)環(huán)境綜合品質模型比單純的生態(tài)環(huán)境品質模型和光譜品質模型有較好的預測效果。再進一步的五類分區(qū)建立模型的研究中，細分的模型各個精度都比整體模型精度有不同程度的提高，其中最優(yōu)質區(qū)域預測精度為91.6％，二類區(qū)89.3％，三類區(qū)85.6％，四類區(qū)83.6％，品質最差區(qū)域

8、為92.2％；對比發(fā)現(xiàn)，分區(qū)域建立模型在預測精度上比整體模型預測分別提高了12％、10.5％、7.3％、11.7％和14.3％。因此，利用遙感和生態(tài)環(huán)境數(shù)據(jù)建立模型進行冬小麥品質分區(qū)監(jiān)測是可行的，且精度更高。
　　 本研究的創(chuàng)新點包括：
　　 1.引入非線性的神經網絡研究冬小麥蛋白質含量與生態(tài)因子間的復雜關系，定量分析了影響冬小麥蛋白質含量關鍵的生態(tài)因子。
　　 2.構建了基于關鍵生態(tài)因子的權重的冬小麥品質分區(qū)模