1、隨著生活水平的提高，人們對小麥的要求已從數(shù)量型向質量型轉變，小麥品質監(jiān)測日益受到生產(chǎn)者、政府部門以及相關專家的重視。籽粒蛋白質含量與小麥的營養(yǎng)品質、加工品質密切相關，是衡量品質的主要指標之一。遙感以其快速、無損、大面積實時動態(tài)監(jiān)測作物生理生化指標的特點，近年來被廣泛應用于小麥籽粒蛋白質含量監(jiān)測的研究中。隨著硬件技術水平的提升，提高反演模型在年際間的普適性、探索最佳監(jiān)測指數(shù)及建模方法，是利用遙感技術監(jiān)測小麥品質的重要研究方向。為了建立普適

2、性較強、便于推廣的籽粒蛋白質含量反演模型，本研究以北京小湯山試驗基地三年數(shù)據(jù)為基礎，其中2009-2010年數(shù)據(jù)用于分析與建立模型，2008-2009，2011-2012年數(shù)據(jù)用于驗證模型。
　?、胚x取不同生育期、不同品種、不同播期、不同施氮量處理下的小麥冠層光譜數(shù)據(jù)，對主要的光譜特征值進行提取，分析各個處理對光譜特征曲線的影響，并研究各處理下光譜曲線特征值與成熟期GPC的相關關系。結果表明從返青期至成熟期，在350-750nm波

3、段，抽穗期小麥冠層反射率最低。在750-1300nm波段，抽穗期的反射率最高。在冬小麥生長的中后期，尤其是灌漿期，冠層光譜部分特征值與冬小麥最終籽粒蛋白質含量相關性顯著增強，灌漿期是監(jiān)測小麥籽粒蛋白質的理想時期;在開花期的可見光波段，由品種、播期造成的差異最小;由氮肥造成的差異在施肥之后的幾個時期逐漸拉大，且形成明顯梯度;不同品種、不同播期條件下，光譜曲線特征值與GPC的相關性存在差異。研究結果對不同處理造成的光譜差異進行了初步分析，為

4、選取適合的植被指數(shù)進行品質監(jiān)測提供參考。
　?、埔匀~片氮含量、葉片含水量、葉面積指數(shù)分別對應與小麥品質密切相關的氮素、水分、長勢，分別選取能夠反演葉片氮含量、葉片含水量、葉面積指數(shù)的光譜指數(shù)。分析單一光譜指數(shù)、綜合光譜指數(shù)與籽粒蛋白質含量的相關性，利用選定的光譜指數(shù)建立籽粒蛋白質含量綜合光譜指數(shù)線性回歸模型。選取建模中精度較高的模型，并利用不同年份矯正后的光譜指數(shù)進行檢驗，確定年際間表現(xiàn)穩(wěn)定的監(jiān)測模型。結果表明:綜合指數(shù)模型監(jiān)測精

5、度顯著高于單一指數(shù)模型，且在年際間均達到顯著水平。選定的模型R2為0.831，RMSE為1.557％，模型預測值與觀察值之間的符合度較高。
　?、且宰蚜５鞍踪|含量(GPC)—氮素—葉綠素之間的關系為載體，通過葉綠素篩選相關植被指數(shù)，采用偏最小二乘回歸(PLS)方法建立GPC反演模型。結果表明:開花期是監(jiān)測籽粒蛋白質含量的最優(yōu)時期，與前人研究結果一致。開花期不同尺度的氮素和與其相同尺度下的葉綠素的相關性較高。通過篩選出與葉綠素密切相

6、關的植被指數(shù)，利用PLS建立籽粒蛋白質含量反演模型，模型決定系數(shù)R2為0.77，RMSE為0.95％，用其他年份數(shù)據(jù)矯正后帶入模型進行驗證，結果顯示RMSE達到1.22％?；诘亍⑷~綠素關系建立PLS反演模型能夠實現(xiàn)不同年份GPC光譜遙感反演，且模型在年際間表現(xiàn)出較高的精度和穩(wěn)定性。
　?、葹榱颂岣吣Ｐ湍觌H間的穩(wěn)定性，利用建模年份光譜指數(shù)的平均數(shù)、驗證年份對應光譜指數(shù)的平均數(shù)，對需要帶入的光譜指數(shù)進行矯正。然后帶入模型，檢驗模型