屈莎
- 作品数：3 被引量：21H指数：1
- 供职机构：西安科技大学测绘科学与技术学院更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：农业科学更多>>
- 基于开花期氮素营养指标的冬小麦籽粒蛋白质含量遥感预测被引量：21
- 2017年
- 籽粒蛋白含量(grain protein content,GPC)是衡量小麦品质的重要指标,及时准确的预测小麦GPC有利于小麦的分类收割和分级存储。为了能够选择一个合适的氮素营养指标作为中间变量来反演小麦GPC,该文研究分别以开花期植株氮素累积量(plant nitrogen accumulation,PNA)、植株氮素含量(plant nitrogen content,PNC)、叶片氮素累积量(leaf nitrogen accumulation,LNA)和叶片氮素含量(leaf nitrogen content,LNC)4个氮素营养指标为中间变量,并运用支持向量机(support vector machines,SVM)算法实现4个氮素营养指标的估测,最后构建及评价基于开花期"植被指数(vegetation index,VI)-氮素营养指标(nitrogen nutrition index,NNI)-GPC"模式的冬小麦GPC预测模型。结果表明:1)通过分析植被指数与氮素营养指标的相关性,选择植被指数MSAVI、PSRI、DVI、RDVI和GNDVI作为氮素营养指标模型的构建变量;2)运用SVM方法构建的VI-NNI模型中LNC的建模精度与验证精度相对最优,其建模决定系数(coefficient of determination,R^2)和验证集标准均方根误差(normalized root mean squared error,n RMSE)及验证标准化平均误差(normalized average error,NAE)分别为0.820、9.553%、-1.4%,验证结果稳定性较好;3)构建NNI-GPC模型中PNC的建模精度与验证精度相对最好,其建模R^2和验证n RMSE及NAE分别为0.653、9.843%、-0.3%;4)最终构建的VI-NNI-GPC模型中,以开花期PNC为中间变量的模型建模及反演精度最好,其建模R^2和验证n RMSE及NAE分别为0.631、8.564%、-0.9%。以氮素营养指标为中间变量的GPC遥感反演是可行的,并且比较4个氮素营养指标为中间变量反演GPC,PNC具有较高精度的预测结果,为精确反演GPC提供一个可靠的依据,具有一定的应用前景。
- 屈莎李振海邱春霞杨贵军宋晓宇陈召霞刘畅
- 关键词：籽粒蛋白质含量冬小麦
- 一种铁路工程测量用水准仪
- 本实用新型公开了一种铁路工程测量用水准仪，包括水准仪本体、水平激光发射器、升降装置和微调装置，所述水准仪本体底端设有水平激光发射器，所述水平激光发射器底端设有微调装置，所述微调装置包括微倾旋钮、微动旋钮、制动旋钮和圆水准...
- 邱春霞许艺腾屈莎
- 文献传递
- 小麦蛋白品质空间异质性特征及影响因子的研究
- 随着温饱问题的解决，小麦品质已成为近几年的研究热点。小麦籽粒蛋白质含量(Grain protein content，GPC)是衡量小麦品质的一个重要指标。在以往的研究中，多是直接利用采样数据构建小麦GPC模型，忽略了空间...
- 屈莎
- 关键词：小麦蛋白品质空间异质性地理加权回归
