高光譜遙感技術在煙草中的應用主要集中在快速、精準地提取煙草生長的信息，特別是隨著無人機技術的發(fā)展，利用無人機搭載高光譜相機快速或者農(nóng)田作物信息已成為一種趨勢。利用無人機高光譜監(jiān)測煙草脅迫、煙葉成熟度、產(chǎn)量估算與品質(zhì)等，從而及時調(diào)整各類物資的投入量，以期達到減少浪費、增加產(chǎn)量、改善煙草品質(zhì)的目的。

1.1 煙草生長信息的提取

在作物生產(chǎn)中，快速、精準地判斷作物氮素營養(yǎng)狀況對實現(xiàn)作物的實時精準施肥具有重要意義。

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)，直接影響植被對光能的利用，后者則能對葉綠素起到保護作用。與傳統(tǒng)方法相比，利用高光譜儀測定葉片中色素的含量具有實時、快速、非損傷性等優(yōu)點因而成為近年來研究的熱點。在煙草中，利用高光譜測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號煙葉高光譜參數(shù)與葉綠素含量的關系表明，葉綠素a (Chl a)與原始光譜反射率的大相關系數(shù)以及光譜一階微分的大相關系數(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含量相關系數(shù)大的高光譜參數(shù)分別是綠峰位置()和紅邊面積與藍邊面積的比值(SD_r/SD_b)，運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煙草葉片葉綠素a、葉綠素b含量的估測效果好，精度較高。

葉面積指數(shù)LAI ( Leaf Area Index)作為陸面過程中一個十分重要的結構參數(shù)，是表征植被冠層的基本的參量之一，在遙感監(jiān)測中通常是產(chǎn)量估測模型與土壤水分蒸發(fā)蒸騰量模型的輸人參數(shù)。前人研究報道綠色作物光譜反射率與LAI密切相關，越來越多的學者利用高光譜遙感技術來反演葉面積指數(shù)。張正楊等運用植被指數(shù)法、主成分分析、神經(jīng)網(wǎng)絡3種方法進行反演，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果；其中主成分分析法建立的驗證模型穩(wěn)定性更好，其驗證模型的RMSE為0.172，低于植被指數(shù)法與神經(jīng)網(wǎng)絡法。

1.2 煙草脅迫監(jiān)測

賈方方研究不同水分處理對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%水分處理則因為水分過多導致葉片提前落黃，葉綠素含量減少造成紅邊位置發(fā)生“藍移”現(xiàn)象。高光譜遙感亦可以用于監(jiān)測重金屬對煙草的脅迫。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 CNDPI值大于0.3時，煙株中即出現(xiàn)鎘污染情況，實現(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。利用高光譜遙感技術監(jiān)測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，對模型進行檢驗發(fā)現(xiàn)，光譜反射率一階微分回歸模型的相關系數(shù)為0.999，估測效果好，光譜反射率回歸模型的估測效果次之，光譜特征變量回歸模型差。

1.3 病蟲害監(jiān)測

當植物受到病蟲危害時，葉片的顏色、結構和外觀形態(tài)都會發(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，同樣也會引起光譜特征曲線的變化，這樣就可以通過監(jiān)測寄主植物的光譜曲線變化來監(jiān)測病蟲害的發(fā)生情況。喬紅波等研究了3種危害程度:輕（單株 尖和上部5片葉蚜量≤15頭）、中（15頭≤單株 尖和上部5片葉蚜量≤50頭）和重（單株 尖和上部5片葉蚜量≥50頭）的煙蚜危害下煙草的光譜特征。結果表明，煙蚜會造成煙草光譜反射率的下降，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%，一階導數(shù)光譜反射率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，各模型均能較好地擬合反射率與SPAD之間的關系(p < 0. 000 1)，其中在綠光波段建立的擬合方程擬合效果好。煙蚜危害造成葉綠素含量下降，煙葉光合作用強度也隨之降低，SPAD值越大，光譜反射率越高，因此可以監(jiān)測煙草生產(chǎn)中病蟲害的發(fā)生，從而確定防治時期以及防治措施。

1.4 產(chǎn)量估算

     煙草地上生物量是反應煙草代謝狀況和光合作用的重要指標。眾多研究表明，通過提取高光譜變量，根據(jù)數(shù)據(jù)條件建立有效的估測模型可以對煙草的產(chǎn)量進行監(jiān)R_g/R_r。劉國順分析了17種光譜變量與煙草地上鮮生物量和干生物量的關系，通過建立回歸模型進行估測并篩選出了R_g/R_r 、_r兩個高光譜參數(shù)作為地上生物量的特征變量，其中R_g/R_r的決定系數(shù)R2高，達到極顯著水平，鮮生物量和干生物量分別為0.640和0.620，并通過反演檢驗證明回歸模型的可靠性。

1.5 品質(zhì)監(jiān)測

高光譜與煙葉的生理生化指標、礦質(zhì)元素指標和烤煙品質(zhì)指標都有一定的相關性，通過逐步回歸分析建立估算和監(jiān)測模型，可以快速獲得烤煙各種指標值，適時指導生產(chǎn)。李向陽通過設置不同類型煙草、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關系密切的光譜特征變量R_g/R_r，并建立多種生理生化指標的監(jiān)測模型。

同時他還對高光譜的27種參數(shù)與礦質(zhì)元素指標(鈣、鉀、鎂、硼、銅、鐵、錳、鈉、磷、鋅等10種元素)進行了回歸建模，均取得了較好的估測效果。王建偉等對烤煙葉片葉綠素含量和光譜參數(shù)進行了相關分析，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指標和香氣成分指標相結合，建立了相關的估測模型。李佛琳分析了煙葉光譜與化學品質(zhì)指標之間的關系并篩選出了與煙葉氮、鉀、煙堿、總糖含量顯著相關的光譜特征參數(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、生育時期等都對煙草光譜特征存在一定的影響，利用高光譜技術可以對煙草的長勢、養(yǎng)分狀況、煙葉的產(chǎn)量和品質(zhì)進行較為準確的診斷和監(jiān)測，具有廣闊的應用前景。目前，高光譜技術在煙草中開展了更加廣泛的研究，提出了一系列的監(jiān)測和估算模型，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)進行修正，以降低實際生產(chǎn)中的等級分類、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的研究要著重*和擴充煙草光譜數(shù)據(jù)庫，加強高光譜相關數(shù)據(jù)的采集和挖掘，并加強與GIS、GPS技術的結合應用，推動高光譜技術在煙草中的應用。