高光譜遙感技術(shù)在煙草中的應(yīng)用主要集中在快速、精準(zhǔn)地提取煙草生長(zhǎng)的信息，特別是隨著無(wú)人機(jī)技術(shù)的發(fā)展，利用無(wú)人機(jī)搭載高光譜相機(jī)快速或者農(nóng)田作物信息已成為一種趨勢(shì)。利用無(wú)人機(jī)高光譜監(jiān)測(cè)煙草脅迫、煙葉成熟度、產(chǎn)量估算與品質(zhì)等，從而及時(shí)調(diào)整各類物資的投入量，以期達(dá)到減少浪費(fèi)、增加產(chǎn)量、改善煙草品質(zhì)的目的。

1.1 煙草生長(zhǎng)信息的提取

在作物生產(chǎn)中，快速、精準(zhǔn)地判斷作物氮素營(yíng)養(yǎng)狀況對(duì)實(shí)現(xiàn)作物的實(shí)時(shí)精準(zhǔn)施肥具有重要意義。

植物的光合色素分為葉綠素(葉綠素a、葉綠素b)和類胡蘿卜素(胡蘿卜素、葉黃素)，前者是吸收光能的物質(zhì)，直接影響植被對(duì)光能的利用，后者則能對(duì)葉綠素起到保護(hù)作用。與傳統(tǒng)方法相比，利用高光譜儀測(cè)定葉片中色素的含量具有實(shí)時(shí)、快速、非損傷性等優(yōu)點(diǎn)因而成為近年來(lái)研究的熱點(diǎn)。在煙草中，利用高光譜測(cè)定葉片中的葉綠素含量也取得了一定的研究成果。付虎艷等研究南江3號(hào)煙葉高光譜參數(shù)與葉綠素含量的關(guān)系表明，葉綠素a (Chl a)與原始光譜反射率的最大相關(guān)系數(shù)以及光譜一階微分的最大相關(guān)系數(shù)分別出現(xiàn)在700 nm和623 nm處；而葉綠素h ( Chl b)的則出現(xiàn)在701 nm和653 nm處。與Chl a、Chl b含量相關(guān)系數(shù)最大的高光譜參數(shù)分別是綠峰位置()和紅邊面積與藍(lán)邊面積的比值(SDr/SDb)，運(yùn)用逐步回歸方法建立的基于光譜反射率一階微分的模型對(duì)煙草葉片葉綠素a、葉綠素b含量的估測(cè)效果好，精度較高。

葉面積指數(shù)LAI ( Leaf Area Index)作為陸面過(guò)程中一個(gè)十分重要的結(jié)構(gòu)參數(shù)，是表征植被冠層的最基本的參量之一，在遙感監(jiān)測(cè)中通常是產(chǎn)量估測(cè)模型與土壤水分蒸發(fā)蒸騰量模型的輸人參數(shù)。前人研究報(bào)道綠色作物光譜反射率與LAI密切相關(guān)，越來(lái)越多的學(xué)者利用高光譜遙感技術(shù)來(lái)反演葉面積指數(shù)。張正楊等運(yùn)用植被指數(shù)法、主成分分析、神經(jīng)網(wǎng)絡(luò)3種方法進(jìn)行反演，建立了煙草LAI的高光譜估算模型，3種方法均取得了較好的結(jié)果；其中主成分分析法建立的驗(yàn)證模型穩(wěn)定性更好，其驗(yàn)證模型的RMSE為0.172，低于植被指數(shù)法與神經(jīng)網(wǎng)絡(luò)法。

1.2 煙草脅迫監(jiān)測(cè)

賈方方研究不同水分處理對(duì)煙草高光譜特征的影響表明，在水分脅迫下(45%和65%水分處理)，煙草冠層高光譜的紅邊位置發(fā)生“紅移”現(xiàn)象，而85%水分處理則因?yàn)樗诌^(guò)多導(dǎo)致葉片提前落黃，葉綠素含量減少造成紅邊位置發(fā)生“藍(lán)移”現(xiàn)象。高光譜遙感亦可以用于監(jiān)測(cè)重金屬對(duì)煙草的脅迫。李佛琳等在敏感波段(551,672,720 nm)下建立了福的歸一化污染指數(shù)CNDPI，并確定當(dāng) CNDPI值大于0.3時(shí)，煙株中即出現(xiàn)鎘污染情況，實(shí)現(xiàn)了利用光譜數(shù)據(jù)區(qū)分煙葉是否被鎘污染的定性目標(biāo)。利用高光譜遙感技術(shù)監(jiān)測(cè)煙草病蟲害的研究主要集中在煙草花葉病方面，劉大雙采用逐步回歸方法建立了煙草花葉病病害等級(jí)和病株高度的光譜反射率、光譜反射率一階微分和光譜特征變量的回歸方程，對(duì)模型進(jìn)行檢驗(yàn)發(fā)現(xiàn)，光譜反射率一階微分回歸模型的相關(guān)系數(shù)為0.999，估測(cè)效果最好，光譜反射率回歸模型的估測(cè)效果次之，光譜特征變量回歸模型最差。

1.3 病蟲害監(jiān)測(cè)

當(dāng)植物受到病蟲危害時(shí)，葉片的顏色、結(jié)構(gòu)和外觀形態(tài)都會(huì)發(fā)生改變，從而引起葉片的反射率發(fā)生變化。如果害蟲采食葉片或引起葉片卷曲和脫落，同樣也會(huì)引起光譜特征曲線的變化，這樣就可以通過(guò)監(jiān)測(cè)寄主植物的光譜曲線變化來(lái)監(jiān)測(cè)病蟲害的發(fā)生情況。喬紅波等研究了3種危害程度:輕（單株頂尖和上部5片葉蚜量≤15頭）、中（15頭≤單株頂尖和上部5片葉蚜量≤50頭）和重（單株頂尖和上部5片葉蚜量≥50頭）的煙蚜危害下煙草的光譜特征。結(jié)果表明，煙蚜?xí)斐蔁煵莨庾V反射率的下降，在近紅外波段尤為明顯。輕中重3種危害程度的煙葉在綠光波段光譜反射率分別下降12%，27%和52%，在近紅外波段光譜反射率分別下降15%，20%和38%，一階導(dǎo)數(shù)光譜反射率最大值隨著蚜量增加而下降，并建立了煙蚜危害下煙葉光譜反射率和葉綠素SPAD值之間在綠光、紅光、藍(lán)光和近紅外光波段內(nèi)的線性擬合回歸方程，SPAD值越大，光譜反射率越高，各模型均能較好地?cái)M合反射率與SPAD之間的關(guān)系(p < 0. 000 1)，其中在綠光波段建立的擬合方程擬合效果最好。煙蚜危害造成葉綠素含量下降，煙葉光合作用強(qiáng)度也隨之降低，SPAD值越大，光譜反射率越高，因此可以監(jiān)測(cè)煙草生產(chǎn)中病蟲害的發(fā)生，從而確定防治時(shí)期以及防治措施。

1.4 產(chǎn)量估算

     煙草地上生物量是反應(yīng)煙草代謝狀況和光合作用的重要指標(biāo)。眾多研究表明，通過(guò)提取高光譜變量，根據(jù)數(shù)據(jù)條件建立有效的估測(cè)模型可以對(duì)煙草的產(chǎn)量進(jìn)行監(jiān)Rg/Rr。劉國(guó)順分析了17種光譜變量與煙草地上鮮生物量和干生物量的關(guān)系，通過(guò)建立回歸模型進(jìn)行估測(cè)并篩選出了Rg/Rr 、r兩個(gè)高光譜參數(shù)作為地上生物量的特征變量，其中Rg/Rr的決定系數(shù)R2最高，達(dá)到極顯著水平，鮮生物量和干生物量分別為0.640和0.620，并通過(guò)反演檢驗(yàn)證明回歸模型的可靠性。

1.5 品質(zhì)監(jiān)測(cè)

高光譜與煙葉的生理生化指標(biāo)、礦質(zhì)元素指標(biāo)和烤煙品質(zhì)指標(biāo)都有一定的相關(guān)性，通過(guò)逐步回歸分析建立估算和監(jiān)測(cè)模型，可以快速獲得烤煙各種指標(biāo)值，適時(shí)指導(dǎo)生產(chǎn)。李向陽(yáng)通過(guò)設(shè)置不同類型煙草、不同烤煙品種、不同氮磷鉀使用量處理試驗(yàn)篩選出了與總氮、葉綠素a、葉綠素b、類胡蘿卜素含量與總量等生理生化指標(biāo)關(guān)系最為密切的光譜特征變量Rg/Rr，并建立多種生理生化指標(biāo)的監(jiān)測(cè)模型。

同時(shí)他還對(duì)高光譜的27種參數(shù)與礦質(zhì)元素指標(biāo)(鈣、鉀、鎂、硼、銅、鐵、錳、鈉、磷、鋅等10種元素)進(jìn)行了回歸建模，均取得了較好的估測(cè)效果。王建偉等對(duì)烤煙葉片葉綠素含量和光譜參數(shù)進(jìn)行了相關(guān)分析，將煙草冠層、鮮煙葉和烤后煙葉的高光譜參數(shù)分別與烤后煙葉的化學(xué)指標(biāo)和香氣成分指標(biāo)相結(jié)合，建立了相關(guān)的估測(cè)模型。李佛琳分析了煙葉光譜與化學(xué)品質(zhì)指標(biāo)之間的關(guān)系并篩選出了與煙葉氮、鉀、煙堿、總糖含量顯著相關(guān)的光譜特征參數(shù)，建立了診斷模型。

研究展望

    研究表明，光照、水肥因素、品種類型、生育時(shí)期等都對(duì)煙草光譜特征存在一定的影響，利用高光譜技術(shù)可以對(duì)煙草的長(zhǎng)勢(shì)、養(yǎng)分狀況、煙葉的產(chǎn)量和品質(zhì)進(jìn)行較為準(zhǔn)確的診斷和監(jiān)測(cè)，具有廣闊的應(yīng)用前景。目前，高光譜技術(shù)在煙草中開展了更加廣泛的研究，提出了一系列的監(jiān)測(cè)和估算模型，但是由于每種模型都有特定的研究方法和適用條件，很難找到通用的模型，因此還需要建立更加全面和更大規(guī)模的樣本參數(shù)進(jìn)行修正，以降低實(shí)際生產(chǎn)中的等級(jí)分類、品種類型、生態(tài)條件和栽培管理的差異。今后煙草高光譜技術(shù)的研究要著重完善和擴(kuò)充煙草光譜數(shù)據(jù)庫(kù)，加強(qiáng)高光譜相關(guān)數(shù)據(jù)的采集和挖掘，并加強(qiáng)與GIS、GPS技術(shù)的結(jié)合應(yīng)用，推動(dòng)高光譜技術(shù)在煙草中的應(yīng)用。