專利名稱：基于高光譜的小麥氮素含量與籽粒蛋白品質(zhì)田間快速監(jiān)測(cè)方法
技術(shù)領(lǐng)域：
本發(fā)明涉及農(nóng)業(yè)中作物生理生化指標(biāo)的測(cè)試方法，特別是針對(duì)田間小麥氮素含量和蛋白品質(zhì)信息獲取的方法。
背景技術(shù)：
氮素含量和籽粒蛋白品質(zhì)是小麥優(yōu)質(zhì)高產(chǎn)高效栽培技術(shù)措施實(shí)施和產(chǎn)品收購(gòu)的重要依據(jù)，田間快速測(cè)定小麥氮素含量和籽粒品質(zhì)方法、技術(shù)和產(chǎn)品是目前研究的熱點(diǎn)。目前小麥氮素含量及籽粒品質(zhì)信息的獲取方法主要是采用室內(nèi)化學(xué)分析的方法，該方法操作復(fù)雜，費(fèi)時(shí)費(fèi)力，并且具有對(duì)植株的破壞性。利用遙感技術(shù)監(jiān)測(cè)小麥冠層包括氮素在內(nèi)的理化信息近年來(lái)也進(jìn)行了大量的試驗(yàn)，為實(shí)現(xiàn)田間條件下快速、無(wú)損監(jiān)測(cè)小麥氮素含量及籽粒蛋白品質(zhì)奠定了基礎(chǔ)。但是，以往地面高光譜遙感技術(shù)測(cè)定均是通過(guò)模擬航天航空遙感采用由上而下測(cè)定小麥冠層光譜信息的方法，而冠層光譜信息是包括土壤背景以及植株的莖葉、穗等不同成分在內(nèi)的混合光譜，并且，還要受到小麥不同株型的影響，如平展型品種葉片披散而直立型品種葉片上舉，這種株型的差異會(huì)導(dǎo)致其植被覆蓋度不同即土壤背景的干擾程度不同。因此，這種傳統(tǒng)的測(cè)定冠層的方法使得小麥不同器官氮素信息提取困難，已建立的預(yù)測(cè)蛋白品質(zhì)模型精度較低，而且受品種類型影響普適性也較差，目前生產(chǎn)中未能得到應(yīng)用。

發(fā)明內(nèi)容
本發(fā)明針對(duì)田間條件下小麥氮素的監(jiān)測(cè)方法進(jìn)行了改進(jìn)。相對(duì)于傳統(tǒng)測(cè)定探頭由上而下測(cè)定冠層的方法，我們采用的是探頭水平放置并垂直于穗層進(jìn)行測(cè)定的方法，通過(guò)獲取穗層光譜反射率(

圖1)，和進(jìn)而提取的穗全氮含量(ETNC)的敏感波段及敏感光譜特征參量，建立ETNC的光譜預(yù)測(cè)模型。同時(shí)，建立了ETNC與籽粒蛋白質(zhì)含量(GPC)的相關(guān)模型，利用ETNC較好地反映了籽粒蛋白質(zhì)含量(GPC)。因此，基于光譜、穗的全氮含量和籽粒蛋白質(zhì)含量三者之間的相關(guān)關(guān)系，最終建立了GPC的光譜預(yù)測(cè)模型，即通過(guò)田間獲取小麥穗層的光譜就可以實(shí)現(xiàn)對(duì)其氮素含量與籽粒蛋白品質(zhì)的預(yù)測(cè)。
具體實(shí)施例方式
第一，在小麥臘熟期，穗層與穗下層分界明顯，選擇晴朗天氣10:00～14:00進(jìn)行測(cè)定，測(cè)定時(shí)將地面高光譜儀的探頭放置并垂直于穗層進(jìn)行測(cè)定，測(cè)定時(shí)視場(chǎng)角為25度，順光方向進(jìn)行，獲取穗層光譜反射率。
第二，確定穗全氮含量(ETNC)的敏感波段為670-683nm。并建立了利用穗層光譜構(gòu)建的比值植被指數(shù)RVI(890，670)與ETNC的相關(guān)模型(I)ETNC(％)＝0.53×RVI(890，670)+1.02 (n＝29，r＝0.659**)第三，建立ETNC與籽粒蛋白質(zhì)含量(GPC)的相關(guān)模型(II)GPC％＝4.67×ETNC(％)+5.89 (n＝29，r＝0.727**)第四，通過(guò)(I)(II)兩個(gè)模型的鏈接建立利用RVI(890，670)預(yù)測(cè)GPC的光譜預(yù)測(cè)模型GPC％＝2.47×RVI(890，670)+11.07(n＝29，r＝0.453*)第五，基于上述原理建立了“基于高光譜的小麥氮素含量與籽粒蛋白品質(zhì)田間快速監(jiān)測(cè)方法”軟件系統(tǒng)我們把這種探頭水平放置并垂直于穗層進(jìn)行測(cè)定的方法及相應(yīng)建立的氮素含量測(cè)定敏感波段和氮素、籽粒蛋白預(yù)測(cè)模型、測(cè)試關(guān)鍵技術(shù)、系統(tǒng)軟件等系列內(nèi)容稱為新方法。其主要優(yōu)點(diǎn)在于獲取的穗層光譜反射率不受土壤背景的干擾，也不受株型的影響。第一，避免了傳統(tǒng)方法測(cè)定混合光譜的問(wèn)題。新方法測(cè)定的是僅包括穗層的光譜，故相對(duì)于利用傳統(tǒng)方法獲得的冠層混合光譜，利用新方法獲得的穗層光譜接近純穗的光譜(見圖2)；第二，相對(duì)于葉片含氮量，穗的全氮含量(ETNC)與籽粒蛋白質(zhì)含量(GPC)具有更好的相關(guān)性。從圖3可以看出，基于穗層光譜特征參量RVI、ETNC和GPC的關(guān)系而得到的GPC預(yù)測(cè)值與GPC的實(shí)測(cè)值相關(guān)性較好，預(yù)測(cè)精度較高，曲線的斜率接近于1。而基于冠層的RVI預(yù)測(cè)的GPC與實(shí)測(cè)的GPC則次之。由冠層測(cè)定改為穗層測(cè)定，GPC預(yù)測(cè)值和實(shí)測(cè)值的決定系數(shù)R2由0.662提高到0.865，總均方根差RMSE由0.851降低到0.734。基于新方法確定的敏感波段及其光譜預(yù)測(cè)模型為研制便攜式小麥氮素與籽粒蛋白品質(zhì)的智能監(jiān)測(cè)儀奠定了基礎(chǔ)。即進(jìn)一步可利用小麥穗氮素的敏感波段主動(dòng)發(fā)光，測(cè)定其反射率，進(jìn)而達(dá)到對(duì)植株氮素含量和籽粒蛋白品質(zhì)預(yù)測(cè)和快速檢測(cè)的目的。并且，該技術(shù)對(duì)稻谷等其它作物的快速監(jiān)測(cè)也具有借鑒價(jià)值。
權(quán)利要求
1.高光譜儀探頭水平并垂直于小麥穗層測(cè)定的方法及相應(yīng)技術(shù)。相應(yīng)的測(cè)試方法與技術(shù)包括1)測(cè)定的關(guān)鍵時(shí)期-臘熟期。2)測(cè)定時(shí)探頭的方向-順光垂直穗層測(cè)定3)測(cè)定時(shí)采用的視場(chǎng)角-25°
2.確定的穗全氮含量(ETNC)的敏感波段(670-683nm)。
3.穗全氮含量的計(jì)算公式ETNC(％)＝0.53×RVI(890，670)+1.02(n＝29，r＝0.659**)
4.利用RVI(890，670)預(yù)測(cè)籽粒蛋白質(zhì)含量(GPC)的光譜預(yù)測(cè)模型GPC％＝2.47×RVI(890，670)+11.07(n＝29，r＝0.453*)
5.有關(guān)測(cè)定的軟件系統(tǒng)“小麥氮素含量與籽粒蛋白品質(zhì)高光譜分析軟件”。
全文摘要
本發(fā)明屬于農(nóng)業(yè)中作物生理生化指標(biāo)的獲取方法，特別是針對(duì)田間小麥氮素含量和籽粒品質(zhì)信息的快速獲取方法。目前小麥氮素及籽粒品質(zhì)信息的獲取方法主要是室內(nèi)化學(xué)分析的方法，該方法操作復(fù)雜，費(fèi)時(shí)費(fèi)力，并且具有破壞性。遙感技術(shù)為實(shí)現(xiàn)田間條件下快速無(wú)損監(jiān)測(cè)小麥氮素及籽粒蛋白品質(zhì)提供了可能。但是，以往利用遙感技術(shù)進(jìn)行小麥氮素等指標(biāo)監(jiān)測(cè)的方法(以下稱傳統(tǒng)方法)獲得的是包括土壤背景以及植株的莖葉、穗等不同成分在內(nèi)的混合光譜。并且，還要受到小麥不同株型的影響，測(cè)試精度較低，尚未應(yīng)用于生產(chǎn)。本發(fā)明針對(duì)田間條件下小麥氮素監(jiān)測(cè)方法進(jìn)行了改進(jìn)，大大降低了混合光譜和株型的干擾。相對(duì)于傳統(tǒng)方法即光譜儀探頭由上而下測(cè)定冠層光譜的方法，我們采用的是探頭水平放置并垂直于穗層進(jìn)行測(cè)定的新方法，獲取穗層光譜反射率，進(jìn)而提取穗全氮含量(ETNC)的敏感波段及敏感光譜特征參量，通過(guò)ETNC將籽粒蛋白質(zhì)含量(GPC)與光譜連接起來(lái)，最終建立GPC的光譜預(yù)測(cè)模型，即通過(guò)田間獲取小麥穗層的光譜就可以實(shí)現(xiàn)對(duì)其氮素與籽粒蛋白品質(zhì)的快速測(cè)定。本發(fā)明方法可以實(shí)現(xiàn)在小麥?zhǔn)斋@前及時(shí)獲取其籽粒品質(zhì)信息，基于此方法開發(fā)小麥氮素與品質(zhì)便攜式智能監(jiān)測(cè)儀可以解決糧食收購(gòu)和加工部門進(jìn)行收購(gòu)、加工以及田間生產(chǎn)管理的迫切需要。
文檔編號(hào)G01N21/17GK1900695SQ200510085469
公開日2007年1月24日 申請(qǐng)日期2005年7月21日 優(yōu)先權(quán)日2005年7月21日
發(fā)明者李少昆, 盧艷麗 申請(qǐng)人:李少昆, 盧艷麗