高光谱遥感技术在田间烟草中的应用

高光谱遥感技术在烟草中的应用主要集中在快速、精准地提取烟草生长的信息，特别是随着无人机技术的发展，利用无人机搭载高光谱相机快速或者农田作物信息已成为一种趋势。利用无人机高光谱监测烟草胁迫、烟叶成熟度、产量估算与品质等，从而及时调整各类物资的投入量，以期达到减少浪费、增加产量、改善烟草品质的目的。

1.1 烟草生长信息的提取

在作物生产中，快速、精准地判断作物氮素营养状况对实现作物的实时精准施肥具有重要意义。

植物的光合色素分为叶绿素(叶绿素a、叶绿素b)和类胡萝卜素(胡萝卜素、叶黄素)，前者是吸收光能的物质，直接影响植被对光能的利用，后者则能对叶绿素起到保护作用。与传统方法相比，利用高光谱仪测定叶片中色素的含量具有实时、快速、非损伤性等优点因而成为近年来研究的热点。在烟草中，利用高光谱测定叶片中的叶绿素含量也取得了一定的研究成果。付虎艳等研究南江3号烟叶高光谱参数与叶绿素含量的关系表明，叶绿素a (Chl a)与原始光谱反射率的最大相关系数以及光谱一阶微分的最大相关系数分别出现在700 nm和623 nm处；而叶绿素h ( Chl b)的则出现在701 nm和653 nm处。与Chl a、Chl b含量相关系数最大的高光谱参数分别是绿峰位置()和红边面积与蓝边面积的比值(SDr/SDb)，运用逐步回归方法建立的基于光谱反射率一阶微分的模型对烟草叶片叶绿素a、叶绿素b含量的估测效果好，精度较高。

叶面积指数LAI ( Leaf Area Index)作为陆面过程中一个十分重要的结构参数，是表征植被冠层的最基本的参量之一，在遥感监测中通常是产量估测模型与土壤水分蒸发蒸腾量模型的输人参数。前人研究报道绿色作物光谱反射率与LAI密切相关，越来越多的学者利用高光谱遥感技术来反演叶面积指数。张正杨等运用植被指数法、主成分分析、神经网络3种方法进行反演，建立了烟草LAI的高光谱估算模型，3种方法均取得了较好的结果；其中主成分分析法建立的验证模型稳定性更好，其验证模型的RMSE为0.172，低于植被指数法与神经网络法。

1.2 烟草胁迫监测

贾方方研究不同水分处理对烟草高光谱特征的影响表明，在水分胁迫下(45%和65%水分处理)，烟草冠层高光谱的红边位置发生“红移”现象，而85%水分处理则因为水分过多导致叶片提前落黄，叶绿素含量减少造成红边位置发生“蓝移”现象。高光谱遥感亦可以用于监测重金属对烟草的胁迫。李佛琳等在敏感波段(551,672,720 nm)下建立了福的归一化污染指数CNDPI，并确定当 CNDPI值大于0.3时，烟株中即出现镉污染情况，实现了利用光谱数据区分烟叶是否被镉污染的定性目标。利用高光谱遥感技术监测烟草病虫害的研究主要集中在烟草花叶病方面，刘大双采用逐步回归方法建立了烟草花叶病病害等级和病株高度的光谱反射率、光谱反射率一阶微分和光谱特征变量的回归方程，对模型进行检验发现，光谱反射率一阶微分回归模型的相关系数为0.999，估测效果最好，光谱反射率回归模型的估测效果次之，光谱特征变量回归模型最差。

1.3 病虫害监测

当植物受到病虫危害时，叶片的颜色、结构和外观形态都会发生改变，从而引起叶片的反射率发生变化。如果害虫采食叶片或引起叶片卷曲和脱落，同样也会引起光谱特征曲线的变化，这样就可以通过监测寄主植物的光谱曲线变化来监测病虫害的发生情况。乔红波等研究了3种危害程度:轻（单株顶尖和上部5片叶蚜量≤15头）、中（15头≤单株顶尖和上部5片叶蚜量≤50头）和重（单株顶尖和上部5片叶蚜量≥50头）的烟蚜危害下烟草的光谱特征。结果表明，烟蚜会造成烟草光谱反射率的下降，在近红外波段尤为明显。轻中重3种危害程度的烟叶在绿光波段光谱反射率分别下降12%，27%和52%，在近红外波段光谱反射率分别下降15%，20%和38%，一阶导数光谱反射率最大值随着蚜量增加而下降，并建立了烟蚜危害下烟叶光谱反射率和叶绿素SPAD值之间在绿光、红光、蓝光和近红外光波段内的线性拟合回归方程，SPAD值越大，光谱反射率越高，各模型均能较好地拟合反射率与SPAD之间的关系(p < 0. 000 1)，其中在绿光波段建立的拟合方程拟合效果最好。烟蚜危害造成叶绿素含量下降，烟叶光合作用强度也随之降低，SPAD值越大，光谱反射率越高，因此可以监测烟草生产中病虫害的发生，从而确定防治时期以及防治措施。

1.4 产量估算

     烟草地上生物量是反应烟草代谢状况和光合作用的重要指标。众多研究表明，通过提取高光谱变量，根据数据条件建立有效的估测模型可以对烟草的产量进行监Rg/Rr。刘国顺分析了17种光谱变量与烟草地上鲜生物量和干生物量的关系，通过建立回归模型进行估测并筛选出了Rg/Rr 、r两个高光谱参数作为地上生物量的特征变量，其中Rg/Rr的决定系数R2最高，达到极显著水平，鲜生物量和干生物量分别为0.640和0.620，并通过反演检验证明回归模型的可靠性。

1.5 品质监测

高光谱与烟叶的生理生化指标、矿质元素指标和烤烟品质指标都有一定的相关性，通过逐步回归分析建立估算和监测模型，可以快速获得烤烟各种指标值，适时指导生产。李向阳通过设置不同类型烟草、不同烤烟品种、不同氮磷钾使用量处理试验筛选出了与总氮、叶绿素a、叶绿素b、类胡萝卜素含量与总量等生理生化指标关系最为密切的光谱特征变量Rg/Rr，并建立多种生理生化指标的监测模型。

同时他还对高光谱的27种参数与矿质元素指标(钙、钾、镁、硼、铜、铁、锰、钠、磷、锌等10种元素)进行了回归建模，均取得了较好的估测效果。王建伟等对烤烟叶片叶绿素含量和光谱参数进行了相关分析，将烟草冠层、鲜烟叶和烤后烟叶的高光谱参数分别与烤后烟叶的化学指标和香气成分指标相结合，建立了相关的估测模型。李佛琳分析了烟叶光谱与化学品质指标之间的关系并筛选出了与烟叶氮、钾、烟碱、总糖含量显著相关的光谱特征参数，建立了诊断模型。

研究展望

    研究表明，光照、水肥因素、品种类型、生育时期等都对烟草光谱特征存在一定的影响，利用高光谱技术可以对烟草的长势、养分状况、烟叶的产量和品质进行较为准确的诊断和监测，具有广阔的应用前景。目前，高光谱技术在烟草中开展了更加广泛的研究，提出了一系列的监测和估算模型，但是由于每种模型都有特定的研究方法和适用条件，很难找到通用的模型，因此还需要建立更加全面和更大规模的样本参数进行修正，以降低实际生产中的等级分类、品种类型、生态条件和栽培管理的差异。今后烟草高光谱技术的研究要着重完善和扩充烟草光谱数据库，加强高光谱相关数据的采集和挖掘，并加强与GIS、GPS技术的结合应用，推动高光谱技术在烟草中的应用。