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

1、生態(tài)因子是影響小麥品質(zhì)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(jìn)行小麥籽粒蛋白質(zhì)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(jīng)網(wǎng)絡(luò)的冬小麥蛋白質(zhì)含量關(guān)鍵生態(tài)因子的篩選分析，針對影響冬小麥主要品質(zhì)-蛋白質(zhì)的百分含量，利用神經(jīng)網(wǎng)絡(luò)算法，確定了各個(gè)因子對品質(zhì)影響力的大小并將其定量化表達(dá)；(2)利用所篩選的決定小麥品質(zhì)關(guān)鍵生態(tài)因子，基于各個(gè)因子分別與其權(quán)重疊加的結(jié)果與各個(gè)因子

2、不考慮權(quán)重疊加的結(jié)果兩種分區(qū)模型進(jìn)行區(qū)劃研究，選擇最優(yōu)的區(qū)劃模型實(shí)現(xiàn)了北京地區(qū)優(yōu)質(zhì)冬小麥品質(zhì)等級分類的區(qū)劃；(3)針對不同的分區(qū)構(gòu)建綜合生態(tài)因子和遙感信息的小麥品質(zhì)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(zhì)監(jiān)測模型，以期實(shí)現(xiàn)北京地區(qū)小麥品質(zhì)的遙感監(jiān)測。本研究對于增強(qiáng)小麥品質(zhì)遙感監(jiān)測機(jī)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(gè)方面：
　　 1.基于神經(jīng)網(wǎng)絡(luò)的冬小麥蛋白質(zhì)含量

3、關(guān)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(diǎn)的氣象數(shù)據(jù)和土壤養(yǎng)分?jǐn)?shù)據(jù)，通過神經(jīng)網(wǎng)絡(luò)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(zhì)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(zhì)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(shí)間、氣溫大于32℃的天數(shù)、土壤堿解氮含量、整個(gè)灌漿期即籽粒形成關(guān)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(jī)質(zhì)含量；針對關(guān)鍵因子利用神經(jīng)網(wǎng)絡(luò)模型制作了響應(yīng)曲線以反映蛋白質(zhì)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(zhì)分區(qū)的研究
　　 在ARCGIS支持下，利用影響冬小麥蛋白質(zhì)含量的各個(gè)關(guān)鍵生態(tài)因子進(jìn)行空間插值，

5、將點(diǎn)狀關(guān)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(jīng)網(wǎng)絡(luò)對每一因子計(jì)算出的RATIO設(shè)定一個(gè)權(quán)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(quán)重和差異權(quán)重兩種分區(qū)模型的分區(qū)結(jié)果，最終作出北京地區(qū)冬小麥品質(zhì)分區(qū)的各種區(qū)域的不同分類；并對分類結(jié)果進(jìn)行了分析。
　　 3.基于分區(qū)的小麥品質(zhì)形成關(guān)鍵期蛋白質(zhì)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(zhì)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(shí)期多種植被指數(shù)(VIs)和中優(yōu)206籽粒蛋白質(zhì)進(jìn)行相關(guān)性研究，結(jié)果表明：5月11日的NDVIgreen值與籽粒蛋白質(zhì)相關(guān)性最好且達(dá)極顯著水平，因此該時(shí)期為建立冬小麥遙感品質(zhì)監(jiān)測模型的最佳時(shí)相。利用生態(tài)環(huán)境數(shù)據(jù)和光譜數(shù)據(jù)分別構(gòu)建了冬小麥光譜品質(zhì)模型、生態(tài)環(huán)境品質(zhì)模型以及光譜與生態(tài)環(huán)境綜合品質(zhì)模型；通過對冬小麥光譜品質(zhì)模型、生態(tài)環(huán)境品質(zhì)模型以及光譜與生態(tài)環(huán)境綜合品質(zhì)模型預(yù)測效果進(jìn)行F檢驗(yàn)，表明各模型均達(dá)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(zhì)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(zhì)模型比單純的生態(tài)環(huán)境品質(zhì)模型和光譜品質(zhì)模型有較好的預(yù)測效果。再進(jìn)一步的五類分區(qū)建立模型的研究中，細(xì)分的模型各個(gè)精度都比整體模型精度有不同程度的提高，其中最優(yōu)質(zhì)區(qū)域預(yù)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(zhì)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(yù)測精度上比整體模型預(yù)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(jìn)行冬小麥品質(zhì)分區(qū)監(jiān)測是可行的，且精度更高。
　　 本研究的創(chuàng)新點(diǎn)包括：
　　 1.引入非線性的神經(jīng)網(wǎng)絡(luò)研究冬小麥蛋白質(zhì)含量與生態(tài)因子間的復(fù)雜關(guān)系，定量分析了影響冬小麥蛋白質(zhì)含量關(guān)鍵的生態(tài)因子。
　　 2.構(gòu)建了基于關(guān)鍵生態(tài)因子的權(quán)重的冬小麥品質(zhì)分區(qū)模