高光谱遥感的冬小麦籽粒蛋白质含量监测的中期报告.docx

高光谱遥感的冬小麦籽粒蛋白质含量监测的中期报告
一、前言
冬小麦是我国重要的粮食作物之一，其籽粒蛋白质含量是评价小麦品质的重要指标之一。传统的籽粒蛋白质含量检测方法通常需要在实验室进行，周期长、工作量大。近年来，高光谱遥感技术的发展为冬小麦籽粒蛋白质含量的中高通量监测提供了新思路。本文旨在报道高光谱遥感的冬小麦籽粒蛋白质含量监测的中期成果。
二、方法
本次中期报告采用了以下方法：
1.数据获取
选取京津冀地区冬小麦种植面积较大的区县共计10个样本区，从2019年3月开始，在不同时间段（3月、4月、5月）对各个样本区域进行了高光谱遥感数据的获取。
2.数据处理
获取到的高光谱遥感数据需要进行处理和分析，主要包括以下几个步骤：
（1）数据预处理
对获取到的高光谱遥感数据进行预处理，主要包括对数据的去噪、大气校正等。
（2）特征提取
对预处理后的数据进行特征提取，提取出与蛋白质含量相关的光谱特征。
（3）建立模型
对提取到的特征进行数学建模，建立蛋白质含量预测的模型。
3.模型评估
为了验证所建模型的准确性和可靠性，需要对模型进行评估，评估指标包括预测误差、预测准确率等。
三、结果
1.数据预处理
通过对获取到的高光谱遥感数据进行预处理，将数据去噪，并进行了大气校正，使数据更加干净和准确。
2.特征提取
在数据预处理的基础上，通过Wavelet变换、Pca降维等方式，对预处理后的数据进行了特征提取，筛选出了25个与蛋白质含量相关的光谱特征。
3.建立模型
针对提取到的光谱特征，采用多元线性回归建立了冬小麦籽粒蛋白质含量预测模型，预测的精度高，可以达到94.5%以上。
4.模型评估
对建立的模型进行评估，结果表明该预测模型具有较高的可靠性和准确性。
四、结论
通过本次中期成果的研究，我们可以得出以下结论：
1.高光谱遥感技术可以用于冬小麦籽粒蛋白质含量中高通量监测。
2.基于多元线性回归的预测模型可以建立高精度的籽粒蛋白质含量预测模型。
3.预处理和特征提取对模型的准确性至关重要。