1.一种省域尺度的冬小麦籽粒蛋白质含量预测方法，其特征在于，包括：S1.获得小麦生长期不同空间分辨率和光谱分辨率的作物冠层光谱信息，进行光谱信息的预处理，卫星影像数据进行辐射定标、大气校正及正射校正，地面冠层高光谱要通过目标反射强度和已知反射率的参考白板进行比值转化得到冠层反射率；

S2.下载收获期前3个月的四种数据：每日蒸散发ET、辐射量Rad、温度T、降水量Pre，并对四种数据进行投影转换，转换为与S1中卫星影像数据的投影一致的栅格数据；

S3.基于逐像素物候匹配法进行特征选择，特征选择包括选择气象建模特征和遥感建模特征；

S4.逐像素计算每个像素成熟期90天内光谱植被指数的最大值，选择与籽粒蛋白质含量相关性最强的植被指数VI进行相关性分析；

S5.逐像素的选择成熟期前三个时间段的气候因子求和，气候因子共有12个，分别为每日蒸散发ET、辐射量Rad、温度T、降水量Pre各自在三个时间段内的分量；

将求和结果作为全国小麦籽粒蛋白质含量预测模型的气候特征；

S6.构建分层线性模型，进行冬小麦籽粒蛋白质含量预测。

2.根据权利要求1所述的一种省域尺度的冬小麦籽粒蛋白质含量预测方法，其特征在于，S3包括：S3.1.获取全国小麦的物候数据集，将物候数据集与栅格数据匹配，分别从每个像素成熟期的年积日开始往前推三个30天，在成熟期之前90天的总周期内，以30天的间隔计算各个气象变量的累积值，得到三个累积值分别记为T1，T2和T3，将T1，T2和T3作为气象建模特征；

S3.2.选择这90天的遥感变量最大值作为遥感建模特征。

3.根据权利要求2所述的一种省域尺度的冬小麦籽粒蛋白质含量预测方法，其特征在于，S6包括：分层线性模型的第一层为籽粒蛋白质含量GPC与VI的线性模型：；

式中，GPC为籽粒蛋白质含量，r为第一层模型中的残差项， 为第一层模型的截距，为第一层模型的回归系数。

4.根据权利要求3所述的一种省域尺度的冬小麦籽粒蛋白质含量预测方法，其特征在于，S6包括：截距和回归系数的值由第二层计算得到：

；

式中， 为截距或回归系数的值，i=0或1， 为第二层模型的截距， 、 、 、分别为第二层模型的回归系数，μ表示第二层模型中的残差项，n表示时间段， 表示第n个时间段的ET，表示第n个时间段的T， 表示第n个时间段的Pre， 表示第n个时间段的Rad。