高光譜遙感技術在田間煙草中的應用

高光譜遙感技術在煙草中的應用主要集中在快速
、精jing準zhun地di提ti取qu煙yan草cao生sheng長chang的de信xin息xi
，特te別bie是shi隨sui著zhe無wu人ren機ji技ji術shu的de發fa展zhan，利li用yong無wu人ren機ji搭da載zai高gao光guang譜pu相xiang機ji快kuai速su或huo者zhe農nong田tian作zuo物wu信xin息xi已yi成cheng為wei一yi種zhong趨qu勢shi。利li用yong無wu人ren機ji高gao光guang譜pu監jian測ce煙yan草cao脅xie迫po、煙葉成熟度
、產量估算與品質等，從而及時調整各類物資的投入量，以期達到減少浪費、增加產量、改善煙草品質的目的。

1.1 煙草生長信息的提取

在作物生產中，快速、精準地判斷作物氮素營養狀況對實現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(qian)者(zhe)是(shi)吸(xi)收(shou)光(guang)能(neng)的(de)物(wu)質(zhi)
，直(zhi)接(jie)影(ying)響(xiang)植(zhi)被(bei)對(dui)光(guang)能(neng)的(de)利(li)用(yong)
，後(hou)者(zhe)則(ze)能(neng)對(dui)葉(ye)綠(lv)素(su)起(qi)到(dao)保(bao)護(hu)作(zuo)用(yong)。與(yu)傳(chuan)統(tong)方(fang)法(fa)相(xiang)比(bi)，利(li)用(yong)高(gao)光(guang)譜(pu)儀(yi)測(ce)定(ding)葉(ye)片(pian)中(zhong)色(se)素(su)的(de)含(han)量(liang)具(ju)有(you)實(shi)時(shi)、快速
、feisunshangxingdengyoudianyinerchengweijinnianlaiyanjiuderedian。zaiyancaozhong

，liyonggaoguangpucedingyepianzhongdeyelvsuhanliangyequdeleyidingdeyanjiuchengguo。fuhuyandengyanjiunanjiang3號煙葉高光譜參數與葉綠素含量的關係表明，葉綠素a (Chl a)與原始光譜反射率的最大相關係數以及光譜一階微分的最大相關係數分別出現在700 nm和623 nm處
；而葉綠素h ( Chl b)的則出現在701 nm和653 nm處。與Chl a、Chl b含量相關係數最大的高光譜參數分別是綠峰位置()和紅邊麵積與藍邊麵積的比值(SDr/SDb)，運用逐步回歸方法建立的基於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。

葉麵積指數LAI ( Leaf Area Index)zuoweilumianguochengzhongyigeshifenzhongyaodejiegoucanshu
，shibiaozhengzhibeiguancengdezuijibendecanliangzhiyi


，zaiyaoganjiancezhongtongchangshichanlianggucemoxingyuturangshuifenzhengfazhengtengliangmoxingdeshurencanshu。qianrenyanjiubaodaolvsezuowuguangpufanshelvyuLAI密切相關，越來越多的學者利用高光譜遙感技術來反演葉麵積指數。張正楊等運用植被指數法、主成分分析、神經網絡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定性更好

，其驗證模型的RMSE為0.172，低於植被指數法與神經網絡法。

1.2 煙草脅迫監測

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生“紅移”現象，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生“藍移”現象。高光譜遙感亦可以用於監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汙染指數CNDPI，並確定當 CNDPI值大於0.3時(shi)
，煙(yan)株(zhu)中(zhong)即(ji)出(chu)現(xian)鎘(ge)汙(wu)染(ran)情(qing)況(kuang)
，實(shi)現(xian)了(le)利(li)用(yong)光(guang)譜(pu)數(shu)據(ju)區(qu)分(fen)煙(yan)葉(ye)是(shi)否(fou)被(bei)鎘(ge)汙(wu)染(ran)的(de)定(ding)性(xing)目(mu)標(biao)。利(li)用(yong)高(gao)光(guang)譜(pu)遙(yao)感(gan)技(ji)術(shu)監(jian)測(ce)煙(yan)草(cao)病(bing)蟲(chong)害(hai)的(de)研(yan)究(jiu)主(zhu)要(yao)集(ji)中(zhong)在(zai)煙(yan)草(cao)花(hua)葉(ye)病(bing)方(fang)麵(mian)，劉(liu)大(da)雙(shuang)采(cai)用(yong)逐(zhu)步(bu)回(hui)歸(gui)方(fang)法(fa)建(jian)立(li)了(le)煙(yan)草(cao)花(hua)葉(ye)病(bing)病(bing)害(hai)等(deng)級(ji)和(he)病(bing)株(zhu)高(gao)度(du)的(de)光(guang)譜(pu)反(fan)射(she)率(lv)
、光譜反射率一階微分和光譜特征變量的回歸方程，對模型進行檢驗發現，光譜反射率一階微分回歸模型的相關係數為0.999，估測效果最好
，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最差。

1.3 病蟲害監測

當植物受到病蟲危害時，葉片的顏色、結jie構gou和he外wai觀guan形xing態tai都dou會hui發fa生sheng改gai變bian，從cong而er引yin起qi葉ye片pian的de反fan射she率lv發fa生sheng變bian化hua。如ru果guo害hai蟲chong采cai食shi葉ye片pian或huo引yin起qi葉ye片pian卷juan曲qu和he脫tuo落luo，同tong樣yang也ye會hui引yin起qi光guang譜pu特te征zheng曲qu線xian的de變bian化hua，這zhe樣yang就jiu可ke以yi通tong過guo監jian測ce寄ji主zhu植zhi物wu的de光guang譜pu曲qu線xian變bian化hua來lai監jian測ce病bing蟲chong害hai的de發fa生sheng情qing況kuang。喬qiao紅hong波bo等deng研yan究jiu了le3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%，一階導數光譜反射率最大值隨著蚜量增加而下降，並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之間的關係(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
，煙葉光合作用強度也隨之降低，SPAD值越大，光譜反射率越高，因此可以監測煙草生產中病蟲害的發生，從而確定防治時期以及防治措施。

1.4 產量估算

     yancaodishangshengwuliangshifanyingyancaodaixiezhuangkuangheguanghezuoyongdezhongyaozhibiao。zhongduoyanjiubiaoming，tongguotiqugaoguangpubianliang，genjushujutiaojianjianliyouxiaodegucemoxingkeyiduiyancaodechanliangjinxingjianRg/Rr。劉國順分析了17種光譜變量與煙草地上鮮生物量和幹生物量的關係，通過建立回歸模型進行估測並篩選出了Rg/Rr 、r兩個高光譜參數作為地上生物量的特征變量，其中Rg/Rr的決定係數R2最高
，達到極顯著水平，鮮生物量和幹生物量分別為0.640和0.620，並通過反演檢驗證明回歸模型的可靠性。

1.5 品質監測

高光譜與煙葉的生理生化指標
、礦kuang質zhi元yuan素su指zhi標biao和he烤kao煙yan品pin質zhi指zhi標biao都dou有you一yi定ding的de相xiang關guan性xing
，通tong過guo逐zhu步bu回hui歸gui分fen析xi建jian立li估gu算suan和he監jian測ce模mo型xing，可ke以yi快kuai速su獲huo得de烤kao煙yan各ge種zhong指zhi標biao值zhi，適shi時shi指zhi導dao生sheng產chan。李li向xiang陽yang通tong過guo設she置zhi不bu同tong類lei型xing煙yan草cao、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係最為密切的光譜特征變量Rg/Rr，並建立多種生理生化指標的監測模型。

同時他還對高光譜的27種參數與礦質元素指標(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進行了相關分析
，將煙草冠層
、xianyanyehekaohouyanyedegaoguangpucanshufenbieyukaohouyanyedehuaxuezhibiaohexiangqichengfenzhibiaoxiangjiehe，jianlilexiangguandegucemoxing。lifolinfenxileyanyeguangpuyuhuaxuepinzhizhibiaozhijiandeguanxibingshaixuanchuleyuyanyedan、鉀、煙堿
、總糖含量顯著相關的光譜特征參數
，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、養分狀況、煙(yan)葉(ye)的(de)產(chan)量(liang)和(he)品(pin)質(zhi)進(jin)行(xing)較(jiao)為(wei)準(zhun)確(que)的(de)診(zhen)斷(duan)和(he)監(jian)測(ce)，具(ju)有(you)廣(guang)闊(kuo)的(de)應(ying)用(yong)前(qian)景(jing)。目(mu)前(qian)，高(gao)光(guang)譜(pu)技(ji)術(shu)在(zai)煙(yan)草(cao)中(zhong)開(kai)展(zhan)了(le)更(geng)加(jia)廣(guang)泛(fan)的(de)研(yan)究(jiu)，提(ti)出(chu)了(le)一(yi)係(xi)列(lie)的(de)監(jian)測(ce)和(he)估(gu)算(suan)模(mo)型(xing)，但(dan)是(shi)由(you)於(yu)每(mei)種(zhong)模(mo)型(xing)都(dou)有(you)特(te)定(ding)的(de)研(yan)究(jiu)方(fang)法(fa)和(he)適(shi)用(yong)條(tiao)件(jian)，很(hen)難(nan)找(zhao)到(dao)通(tong)用(yong)的(de)模(mo)型(xing)，因(yin)此(ci)還(hai)需(xu)要(yao)建(jian)立(li)更(geng)加(jia)全(quan)麵(mian)和(he)更(geng)大(da)規(gui)模(mo)的(de)樣(yang)本(ben)參(can)數(shu)進(jin)行(xing)修(xiu)正(zheng)
，以(yi)降(jiang)低(di)實(shi)際(ji)生(sheng)產(chan)中(zhong)的(de)等(deng)級(ji)分(fen)類(lei)
、品種類型、生(sheng)態(tai)條(tiao)件(jian)和(he)栽(zai)培(pei)管(guan)理(li)的(de)差(cha)異(yi)。今(jin)後(hou)煙(yan)草(cao)高(gao)光(guang)譜(pu)技(ji)術(shu)的(de)研(yan)究(jiu)要(yao)著(zhe)重(zhong)完(wan)善(shan)和(he)擴(kuo)充(chong)煙(yan)草(cao)光(guang)譜(pu)數(shu)據(ju)庫(ku)，加(jia)強(qiang)高(gao)光(guang)譜(pu)相(xiang)關(guan)數(shu)據(ju)的(de)采(cai)集(ji)和(he)挖(wa)掘(jue)，並(bing)加(jia)強(qiang)與(yu)GIS、GPS技術的結合應用，推動高光譜技術在煙草中的應用。