论文部分内容阅读
大麦是酿造啤酒的主要原料。随着社会的发展和人们生活水平的提高,啤酒的消费量也越来越大。而我国由于大麦品质监测方法落后,栽培管理措施不完善,大麦品质很难得到有效控制。为此,每年需要付出大量外汇从国外进口啤酒大麦。传统的大麦品质监测方法耗时费力,需要等到作物收获后才能测定。而运用遥感监测方法可以无损、快速地预测大麦籽粒蛋白质含量。从而为我国大麦的调优栽培提供科学依据,并指导粮食加工贸易企业“按质论价”,有针对性地收购当地的啤酒大麦。本文基于地面高光谱数据、多光谱数据以及农田综合调查数据对我国东北地区的大麦籽粒蛋白质含量进行了预测。主要工作和研究成果包括以下几个方面：
⑴利用地面高光谱数据寻找了大麦植株氮素含量的敏感波段,并分析了多种氮素敏感植被指数与大麦植株氮含量的相关关系。然后根据氮素运转规律,利用植株氮含量与大麦籽粒蛋白质含量之间的相关关系,构建了基于高光谱植被指数的大麦籽粒蛋白质含量遥感预测模型。结果表明:550-590nm与670-710nm是大麦植株氮含量的敏感波段区域；植被指数Green—red vegetation index(GRVI)与大麦植株含氮量的相关性最好,可以用来预测大麦籽粒蛋白质含量。
⑵分析了光谱吸收特征和反射特征以及光谱特征变量与大麦籽粒蛋白质含量之间的相关关系。结果表明:560nm处的反射峰深度特征参量,红边内一阶微分总和与黄边内一阶微分总和的归一化植被指数与大麦籽粒蛋白质含量的相关性较高,可以用来构建大麦籽粒蛋白质含量的预测模型。
⑶运用最优权重法组合多时相Landsat TM数据对大麦籽粒蛋白质含量进行了预测。由于单时相数据忽略了整个生育期的信息,往往会导致监测精度降低。本研究组合了大麦四个生育期的TM数据对其籽粒蛋白质含量进行了监测。监测结果表明基于最优权重法组合多时相数据可以明显提高预测的精度。
⑷利用多光谱数据Landsat TM第五波段反射率建立了大麦籽粒蛋白质含量的预测模型。研究发现TM第五波段反射率与大麦叶片含水量有着很好的相关关系。而根据作物生长规律,水分胁迫会影响大麦的氮素运转。因此,本研究最终建立了基于TM第五波段反射率的大麦籽粒蛋白质含量预测模型。
⑸运用选择系数法分析了适宜啤酒大麦籽粒蛋白质形成的各种因子,然后通过地统计的方法预测了拉布大林农牧场的大麦籽粒蛋白质含量。影响大麦籽粒蛋白质形成的因素较多,机理相对复杂。选择系数法通过对品种、播期、土壤养分、施肥情况、植株密度等关键影响因子的分析,评价了各种因子对当地啤酒大麦籽粒蛋白质含量形成的适宜度。并结合田间调查数据通过空间插值和栅格运算对研究区的大麦籽粒蛋白质含量进行了监测。
⑹基于LAI与氮素运转构建了大麦籽粒蛋白质含量的预测模型。大麦的氮素运转是其籽粒蛋白质形成的基础。研究发现大麦花前植株氮含量可以用花前叶面积指数来反演。而花后植株对氮素的吸收运转量又可以表达为LAI与地上部生物量的回归方程。因此,本文初步建立了基于LAI和氮素运转的大麦籽粒蛋白质含量预测模型。