隨著社會經濟的日益發展和生活水平的不斷提高，中國農業大而不強、多而不優的問題依然存在。為了提升農業的科技水平，農業農村部農業遙感機理與定量遙感重點實驗室/北京農業技術推廣服務中心、北京市農業技術推信息化工程技術研究中心，與全國農業技術推廣服務中心聯手展開了研究。

籽粒蛋白質含量是小麥品質評價的關鍵指標，而品質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含量的監測預報研究，對于指導農戶調優栽培、企業分類收儲、期貨小麥價格、進口政策調整等具有重要意義。

基于作物籽粒蛋白質含量(Grain Protein Content，GPC)遙感監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-籽粒蛋白質含量”模式的經驗模型，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、紅邊參數等光譜特征)直接構建作物GPC統計經驗模型;

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

(3)基于遙感數據和生態因子的GPC半機理模型，該模型考慮了作物氮素運轉機理和生態因子對GPC的影響，改善了模型的年際擴展性和空間轉移性;

(4)基于遙感信息和作物模型結合的機理解釋模型，該模型綜合考慮籽粒蛋白質形成過程中各種生態因子的影響，通過遙感信息和作物生長模型耦合的同化方法，調整模型模擬變量與遙感觀測值的誤差達到最小，以調整作物模型的初始參數和狀態變量，進而實現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，但機理解釋性不強，在區域間和年際間擴展應用過程中監測結果偏差較大;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域大面積應用。

Li等和Xu等通過綜合考慮影響品質遙感預報模型中環境變異因素及品種筋型因子，引入分層線性模型(Hierarchical Linear Models，HLM)解釋籽粒蛋白質含量-遙感-環境的嵌套問題，構建基于開花期的冬小麥品質預測模型，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，發展以遙感信息(反映作物養分狀況)與環境因子(體現時空變異)結合的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分層遙感預測的基礎上，初步嘗試在全國冬小麥主產區(河南省、山東省、河北省、安徽省和江蘇省)開展GPC模型的構建，以期實現冬小麥品質收獲前預測。

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，在蛋白質含量估算模型中考愿了氣象內系(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(EVI)等因素。

結果表明，融合3個氣象因素的蛋白質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。將蛋白質含量估算模型應用冬小麥主產區品質預報圖，冬小麥主產區的蛋白質含量遙感估算，得到了2019年冬小麥主產區品質預報圖，并形成黃淮海地區冬小麥品質分布專題圖。

該研究結果可同時為后續小麥種植區劃和實現綠色、高產、優質、高效糧食生產提供數據支撐。

審核編輯 黃宇