1 引 言
2 数据与方法
2.1 冬小麦研究区
2.2 数据获取
2.2.1 冬小麦籽粒蛋白质测定
2.2.2 冬小麦品种及筋型确定
2.2.3 EOS/MODIS遥感影像
2.2.4 气象数据
2.3 冬小麦品质预报模型
2.4 统计分析
3 结果与分析
3.1 冬小麦品质区划分析
3.2 GPC预报模型的气象因子选择
表 1 不同气象因子构建的冬小麦GPC预报模型精度Table 1 Predicting GPC model in winter wheat by different meteorological data |
编号 | 气象因子 | GPC模型建模集 | GPC模型验证集 | ||
---|---|---|---|---|---|
R 2 | RMSE/% | R 2 | RMSE/% | ||
1 | nRad | 0.31 | 1.12 | 0.37 | 0.99 |
2 | nTem | 0.26 | 1.15 | 0.29 | 1.05 |
3 | nPre | 0.31 | 1.11 | 0.28 | 1.06 |
4 | nRad, nTem | 0.35 | 1.08 | 0.41 | 0.96 |
5 | nTem, nPre | 0.33 | 1.10 | 0.29 | 1.05 |
6 | nRad, nPre | 0.38 | 1.05 | 0.39 | 0.97 |
7 | nTem, nRad, nPre | 0.39 | 1.04 | 0.43 | 0.94 |
|
表2 冬小麦GPC预测模型中各个自变量因子的贡献度Table 2 Contribution degree of each independent variable in GPC model of winter wheat |
模型自变量 因子 | 黄淮海地区 | 河北省 | ||
---|---|---|---|---|
相对重要性/% | 排名 | 相对重要性/% | 排名 | |
Glu | 75.31 | 1 | 48.22 | 1 |
nRad | 10.05 | 2 | 20.32 | 3 |
nTem | 7.61 | 3 | 5.08 | 4 |
nPre | 6.54 | 4 | 3.73 | 5 |
EVI | 0.49 | 5 | 22.65 | 2 |