隨著社會經(jīng)濟的日益發(fā)展和生活水平的不斷提高，中國農(nóng)業(yè)大而不強、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)遙感機理與定量遙感重點實驗室/北京農(nóng)業(yè)技術推廣服務中心、北京市農(nóng)業(yè)技術推信息化工程技術研究中心，與全國農(nóng)業(yè)技術推廣服務中心聯(lián)手展開了研究。

籽粒蛋白質(zhì)含量是小麥品質(zhì)評價的關鍵指標，而品質(zhì)的高低決定小麥收購價格、加工用途和使用價值等。該團隊開展小麥籽粒蛋白質(zhì)含量的監(jiān)測預報研究，對于指導農(nóng)戶調(diào)優(yōu)栽培、企業(yè)分類收儲、期貨小麥價格、進口政策調(diào)整等具有重要意義。

基于作物籽粒蛋白質(zhì)含量(Grain Protein Content，GPC)遙感監(jiān)測預報的研究目前已得到探索和初步應用，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)驗模型，該模型通過分析作物關鍵生育時期的遙感信息(敏感波段、植被指數(shù)、紅邊參數(shù)等光譜特征)直接構建作物GPC統(tǒng)計經(jīng)驗模型;

(2)基于“遙感信息-農(nóng)學參數(shù)-籽粒蛋白質(zhì)含量”模式的定量模型，該模型根據(jù)遙感信息與關鍵生育期農(nóng)學參數(shù)之間的定量關系及農(nóng)學參數(shù)與GPC之間的定量關系，構建GPC預測模型;

(3)基于遙感數(shù)據(jù)和生態(tài)因子的GPC半機理模型，該模型考慮了作物氮素運轉(zhuǎn)機理和生態(tài)因子對GPC的影響，改善了模型的年際擴展性和空間轉(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模型耦合的同化方法，調(diào)整模型模擬變量與遙感觀測值的誤差達到最小，以調(diào)整作物模型的初始參數(shù)和狀態(tài)變量，進而實現(xiàn)GPC的預測。

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，操作簡單且易實現(xiàn)，但機理解釋性不強，在區(qū)域間和年際間擴展應用過程中監(jiān)測結(jié)果偏差較大;同化模型方法考慮過多的輸入變量，并且復雜的同化算法、品質(zhì)生長模型本地化精度和高耗時運算時間問題，限制了該類方法的區(qū)域大面積應用。

Li等和Xu等通過綜合考慮影響品質(zhì)遙感預報模型中環(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，構建基于開花期的冬小麥品質(zhì)預測模型，很好地解決了模型年際擴展和空間擴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)時空變異)結(jié)合的GPC半機理預測方法，構建普適性及適用于時空擴展的籽粒蛋白質(zhì)遙感預測模型具有可行性。

該研究擬在前期構建的冬小麥品質(zhì)分層遙感預測的基礎上，初步嘗試在全國冬小麥主產(chǎn)區(qū)(河南省、山東省、河北省、安徽省和江蘇省)開展GPC模型的構建，以期實現(xiàn)冬小麥品質(zhì)收獲前預測。

為了解決預測模型在年際擴展和空間擴展存在偏差的問題，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、抽穗一開花期增強型植被指數(shù)(EVI)等因素。

結(jié)果表明，融合3個氣象因素的蛋白質(zhì)含量估算模型建模集精度(R =0.39，RMSE = 1.04%)與驗證集精度(R =0.43、RMSE = 0.94%)均高于融合2個氣象因子的估算模型和單個氣象因子的估算模型。將蛋白質(zhì)含量估算模型應用冬小麥主產(chǎn)區(qū)品質(zhì)預報圖，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)預報圖，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)果可同時為后續(xù)小麥種植區(qū)劃和實現(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。

審核編輯 黃宇