申请/专利权人：山东科技大学

申请日：2023-12-26

公开（公告）日：2024-03-15

公开（公告）号：CN117457066B

主分类号：G16B20/00

分类号：G16B20/00;G01N21/25;G01N21/55;G16B40/00;G06F18/15;G06F18/213;G06F18/27

优先权：

专利状态码：有效-授权

法律状态：2024.03.15#授权;2024.02.13#实质审查的生效;2024.01.26#公开

摘要：本发明公开一种省域尺度的冬小麦籽粒蛋白质含量预测方法，属于数据预测技术领域，用于冬小麦籽粒蛋白质含量预测，包括获得小麦生长期不同空间分辨率和光谱分辨率的作物冠层光谱信息，进行光谱信息的预处理，基于逐像素物候匹配法进行特征选择，逐像素计算每个像素成熟期90天内光谱植被指数的最大值，选择与籽粒蛋白质含量相关性最强的植被指数进行相关性分析，构建分层线性模型，进行冬小麦籽粒蛋白质含量预测。本发明综合考虑遥感信息、气候信息与籽粒蛋白质含量关系的物候差异，引入逐像素物候匹配和分层线性模型，以关键环境因子为区域籽粒蛋白质模型的差异因子，构建面前全国的籽粒蛋白质含量预测的嵌套模型。

主权项：1.一种省域尺度的冬小麦籽粒蛋白质含量预测方法，其特征在于，包括：S1.获得小麦生长期不同空间分辨率和光谱分辨率的作物冠层光谱信息，进行光谱信息的预处理，卫星影像数据进行辐射定标、大气校正及正射校正，地面冠层高光谱要通过目标反射强度和已知反射率的参考白板进行比值转化得到冠层反射率；S2.下载收获期前3个月的四种数据：每日蒸散发ET、辐射量Rad、温度T、降水量Pre，并对四种数据进行投影转换，转换为与S1中卫星影像数据的投影一致的栅格数据；S3.基于逐像素物候匹配法进行特征选择，特征选择包括选择气象建模特征和遥感建模特征；S4.逐像素计算每个像素成熟期90天内光谱植被指数的最大值，进行相关性分析，选择与籽粒蛋白质含量相关性最强的植被指数VI；S5.逐像素的选择成熟期前三个时间段的气候因子求和，气候因子共有12个，分别为每日蒸散发ET、辐射量Rad、温度T、降水量Pre各自在三个时间段内的分量；将求和结果作为全国小麦籽粒蛋白质含量预测模型的气候特征；S6.构建分层线性模型，进行冬小麦籽粒蛋白质含量预测；S3包括：S3.1.获取全国小麦的物候数据集，将物候数据集与栅格数据匹配，分别从每个像素成熟期的年积日开始往前推三个30天，在成熟期之前90天的总周期内，以30天的间隔计算各个气象变量的累积值，得到三个累积值分别记为T1，T2和T3，将T1，T2和T3作为气象建模特征；S3.2.选择这90天的遥感变量最大值作为遥感建模特征。

全文数据：

权利要求：

百度查询： 山东科技大学 一种省域尺度的冬小麦籽粒蛋白质含量预测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD