王浮波 ，田宸宇 ，李繁廷 ，袁文彬 ，徐光文 ，曾銀銳 ，楊興有 ，劉永建 ，魯逸飛 ，魯黎明 *

（1.四川省煙草公司瀘州市公司，四川 瀘州 646000；2.四川農(nóng)業(yè)大學(xué) 農(nóng)學(xué)院，四川 成都 611130；3.成都淞幸科技有限公司，四川 成都 610225；4.中國煙草總公司四川省公司，四川 成都 610041）

近年來，高光譜遙感技術(shù)在農(nóng)業(yè)遙感及農(nóng)業(yè)科研與生產(chǎn)中得到了越來越多的應(yīng)用，成為了智慧農(nóng)業(yè)不可或缺的重要信息技術(shù)。高光譜遙感技術(shù)在煙草中的應(yīng)用也開始得到重視，在葉面積指數(shù)、病蟲害發(fā)生狀況、產(chǎn)量估測、品質(zhì)監(jiān)測等方面取得了一定研究進展。本文將綜述煙草高光譜遙感的研究和應(yīng)用情況，分析應(yīng)用中存在的問題，并對其應(yīng)用前景進行研討。

1 高光譜遙感技術(shù)

遙感指的是一種遠距離、非接觸的探測技術(shù)。它運用了傳感器或遙感器，對物體的電磁波輻射或者反射波段進行探測，然后根據(jù)其特點，分析物體的特征、狀態(tài)與性質(zhì)。

高光譜遙感涵蓋了中紅外、近紅外、可見光和紫外等4個電磁波譜，所獲取的眾多、狹窄、連續(xù)的光譜圖像數(shù)據(jù)技術(shù)，也叫成像光譜遙感[1-2]。作為遙感技術(shù)的重要組成部分，高光譜遙感技術(shù)具有數(shù)據(jù)描述模型多、信息量大、寬度窄、波段多、光譜分辨率高等特點，很快成為農(nóng)業(yè)遙感的重要技術(shù)手段，在農(nóng)作物生長監(jiān)測、自然災(zāi)害預(yù)警以及農(nóng)業(yè)生產(chǎn)管理等方面，高光譜遙感技術(shù)應(yīng)用的優(yōu)勢逐漸顯現(xiàn)，成為了智慧農(nóng)業(yè)的關(guān)鍵支撐技術(shù)之一。

光譜分辨率較高，是高光譜遙感的重要特征。所以，高光譜遙感在農(nóng)業(yè)生產(chǎn)中應(yīng)用時，具有很大的優(yōu)越性。其原因在于，作物的光譜特征明顯，不同種類之間所存在的光譜差異，利用遙感數(shù)據(jù)均能準確地加以區(qū)別。一些重要的農(nóng)學(xué)信息，如作物含水量、葉綠素含量、葉面積指數(shù)（LAI）等農(nóng)學(xué)參數(shù)，可以在高光譜遙感數(shù)據(jù)方面得到準確的反映。所以，在農(nóng)作物監(jiān)測領(lǐng)域，特別是作物長勢評估、病蟲害發(fā)生情況、產(chǎn)量形成、自然災(zāi)害監(jiān)控等方面，高光譜遙感技術(shù)應(yīng)用取得了很好的效果。

2 高光譜遙感在煙葉生產(chǎn)中的應(yīng)用

2.1 煙草營養(yǎng)監(jiān)測

煙草礦質(zhì)營養(yǎng)狀況，可以利用高光譜遙感技術(shù)進行無損監(jiān)測。研究發(fā)現(xiàn)，在煙草的可見光反射波長內(nèi)，煙草葉片與冠層的光譜反射率隨著施氮量的增加而逐步減少[3]；而在近紅外光的范圍內(nèi)，隨著施氮量的上升，煙草葉片與冠層的光譜反射率則隨之上升[4]。李俊麗[5]認為，煙草冠層反射率具有區(qū)別于其他作物的特點，在不同供氮水平下差異顯著；竇玉青[6]的研究表明，在自變量為高光譜特征值的情況下，所構(gòu)建的多元監(jiān)測模型的精度較高，可以用來估測現(xiàn)蕾期煙葉含氮量。而以NDVI（歸一化植被指數(shù)）構(gòu)建的單變量煙葉總氮含量監(jiān)測模型，可以較好地預(yù)測現(xiàn)蕾期煙葉總含氮量；郭婷[7]的研究結(jié)果表明，冠層高光譜反射率與不同鉀處理煙草氮、磷、鉀含量的相關(guān)性強，冠層近紅外高反射區(qū)可用來監(jiān)測大田煙株鉀營養(yǎng)狀況。從原始光譜反射率和鉀含量的相關(guān)性來看，在350nm波段最好；在2297nm波段和1089nm波段，鉀含量與光譜一階微分分別呈極顯著正相關(guān)和極顯著負相關(guān)?？傮w來看，進行高精度煙草葉片鉀含量回歸模型構(gòu)建時，葉片光譜反射率一階微分是一個很好的參數(shù)指標。

2.2 煙草產(chǎn)量估測

李朋彥[8]使用無人機高光譜遙感進行了煙草產(chǎn)量反演的建模分析，結(jié)果表明，能夠較好地反映煙草葉片生物量的指標是NDVI。在煙草的全生育期內(nèi)，葉片干物質(zhì)重與NDVI均表現(xiàn)出較強的相關(guān)性。同時，在移栽后35天至85天，和LAI（葉面積指數(shù)）有極顯著或者顯著的相關(guān)性；劉明芹[9]的研究則表明，RVI（比值植被指數(shù)）和NDVI與煙葉產(chǎn)量的相關(guān)系數(shù)分別為0.967和0.968，相關(guān)性很高，達到了極顯著的水平；劉國順等[10]分析了17種光譜變量與煙草地上鮮、干重的關(guān)系，通過建立回歸模型，篩選出了煙草地上生物量的特征變量為Rg/Rr、λr兩個高光譜參數(shù)，其中Rg/Rr的復(fù)確定系數(shù)R2最高，達到極顯著水平；李向陽[11]的研究也表明，Rg/Rr是與煙草干、鮮重相關(guān)性最高的光譜特征變量。

2.3 煙草品質(zhì)預(yù)測與反演

靳志偉[12]分析了煙草冠層反射光譜與煙堿、氮、鉀、還原糖等化學(xué)成份含量的相關(guān)關(guān)系，確定了其光譜敏感波段。其中，還原糖、總氮和煙堿含量的敏感波段均為440-500nm波段和400-740nm波段。只不過后兩者在這兩個波段與煙葉的光譜反射率是一種極顯著的負相關(guān)關(guān)系。值得注意的是，煙葉鉀含量在360-430nm波段和光譜反射率呈顯著負相關(guān)，但在700-730nm波段，則呈顯著正相關(guān)；趙文等[13]為了構(gòu)建煙堿含量的回歸方程，對18個高光譜參數(shù)進行了相關(guān)性分析，建立了基于高光譜參數(shù)的煙草葉片煙堿含量的預(yù)測模型，并對模型進行了相對誤差檢驗和均方根誤差檢驗。在最終所構(gòu)建的煙草葉片煙堿含量多函數(shù)的回歸預(yù)測模型中，用到了8個相關(guān)性最好的高光譜參數(shù)。其中，以SASI、RSI、NDSI導(dǎo)數(shù)所建立的模型的穩(wěn)定性與精度最好，可以用來進行煙葉煙堿含量的預(yù)估。

邢雪霞等[14]以植被指數(shù)為基礎(chǔ)，也構(gòu)建了一個煙草葉片煙堿含量預(yù)估模型，采用的方法是逐步回歸與主成分回歸法。與逐步回歸的方法相比，采用主成分回歸方法所建立的回歸模型的精度較高，誤差較小，效果最好。該模型的決定系數(shù)達到了0.924，均方根誤差則只有0.29。值得注意的是，邢雪霞等[14]的分析結(jié)果說明，與煙葉煙堿含量的相關(guān)性最好的光譜參數(shù)為紅邊面積（SDr）/藍邊面積指數(shù)（SDb），相關(guān)系數(shù)達到了0.97。

2.4 煙草病蟲害監(jiān)測

王梅[15]分析了健康與發(fā)病煙草葉片、冠層之間的原始光譜曲線、一階微分光譜曲線，篩選出了葉片敏感波段和冠層敏感波段，構(gòu)建了煙草病害程度與煙草病害種類識別遙感診斷與監(jiān)測模型。在所建立的冠層與葉片病害發(fā)生程度監(jiān)測模型中，一階微分光譜812nm、707nm和627nm的精度最高；王一丁[16]采用PLS-DA（偏最小二乘判別分析）及LS-SVM（最小二乘-支持向量機）方法，構(gòu)建了煙草花葉病發(fā)病程度監(jiān)測模型。從總體識別率來看，無論是在驗證集，還是在校正集，PLS-DA模型均達到了100.00%，模型效果最優(yōu)，能夠準確鑒別正常葉片與發(fā)病程度不同的煙草葉片；為了監(jiān)測煙草花葉病發(fā)病程度，劉大雙[17]構(gòu)建了三個回歸方程，分別是光譜特征變量回歸方程、一階導(dǎo)數(shù)光譜回歸方程和光譜反射率回歸方程。通過對估測值和實測值進行檢驗，結(jié)果表明，利用一階導(dǎo)數(shù)光譜所建立的回歸方程精度最高；在煙草害蟲危害的監(jiān)測方面，為了評估煙蚜的危害程度，喬紅波等[18]分析了煙草冠層光譜反射率和不同蚜量之間的關(guān)系，結(jié)果表明，煙蚜Myzuspersicae（Sulzer）對煙草葉片的為害導(dǎo)致了冠層光譜反射率的降低，其中，冠層反射率在近紅外波段下降尤其顯著，并且隨著危害程度的加重，光譜反射率急劇下降。

3 高光譜遙感應(yīng)用中存在的問題

3.1 高光譜遙感數(shù)據(jù)的采集

煙草高光譜遙感數(shù)據(jù)的采集有3種途徑，即星載、機載與地面。星載采集的優(yōu)勢在于面積廣、收集信息量大、分辨率高。缺點是其電磁波譜尚不能明確反映許多地物的某些特征，還需要地面的調(diào)查和驗證。無人機遙感在監(jiān)測空間尺度和精度上，尤其是中尺度農(nóng)田信息獲取等方面，獨具優(yōu)勢。盡管無人機遙感數(shù)據(jù)的精度受限于氣象條件，以及操作人員的技術(shù)水平，但隨著機載的多源信息技術(shù)采集、分析處理技術(shù)的發(fā)展，無人機遙感技術(shù)在煙草農(nóng)業(yè)領(lǐng)域的應(yīng)用將會越來越廣泛。進行地面高光譜數(shù)據(jù)收集時，便攜式地物光譜儀的優(yōu)勢在于可以靈活、方便地獲取數(shù)據(jù)，且所測得的光譜波長范圍較廣，能夠很好地進行地物光譜研究。其缺點是測定易受云量、太陽高度角等天氣條件的影響，同時，所測得的數(shù)據(jù)易混合其他地物的光譜信息，對后續(xù)的光譜分析產(chǎn)生一定的困難。

3.2 光譜數(shù)據(jù)的處理與建模

在獲得冠層光譜數(shù)據(jù)后，首先就要對數(shù)據(jù)進行降噪、平滑等預(yù)處理，以排除其他地物對試驗的影響。因而，如何提高信噪比，將和作物密切關(guān)聯(lián)的信息從雜亂的信息背景中遴選出來，就是模型反演精度能否有所提高的關(guān)鍵。目前，常見的做法是對數(shù)據(jù)進行各種變換處理，包括主成分分析、微分變換、對數(shù)變換、平滑等等。這些方法尚無法滿足實際應(yīng)用場景的需要，未來還應(yīng)開發(fā)更多的處理方法與處理手段，以降低高光譜數(shù)據(jù)的背景值，提升信噪比。

在進行建模反演時，利用線性或非線性回歸、人工神經(jīng)網(wǎng)絡(luò)等方法所建立的高光譜監(jiān)測統(tǒng)計模型，實際上大多數(shù)是靜態(tài)的、以光譜變量為單因素的統(tǒng)計模型。這種類型的模型精度不高，缺乏普適性與實時性，難以準確反映煙草生長發(fā)育、生產(chǎn)質(zhì)量形成及其與生態(tài)環(huán)境的關(guān)系。

4 展望

高光譜遙感技術(shù)，能夠?qū)崟r、迅速、準確、客觀地反映煙草生長的各個方面的信息，包括長勢、營養(yǎng)狀況、病蟲害發(fā)生情況等等。其中，煙草冠層光譜信息的采集和分析、處理，是現(xiàn)代煙草農(nóng)業(yè)、精準煙草農(nóng)業(yè)和智慧煙草農(nóng)業(yè)中的重要構(gòu)成部分。在精準煙草農(nóng)業(yè)的實踐中，可以通過高光譜遙感技術(shù)，利用搭載高光譜遙感器的無人機或者衛(wèi)星，對煙草的發(fā)育、長勢進行實時監(jiān)測，分析其營養(yǎng)狀況和病蟲害發(fā)生情況，對種植面積、種植密度和單產(chǎn)進行預(yù)估，及時發(fā)現(xiàn)煙葉生產(chǎn)中出現(xiàn)的問題，為施肥、病蟲害防控決策提供科學(xué)依據(jù)。此外，在煙葉生產(chǎn)中，還可以通過將包括光譜儀在內(nèi)的多種傳感器，集成到智能煙葉生產(chǎn)機械上，從而準確、快速地獲取煙草的冠層光譜信息，以完成煙草精準施肥、水分管理、病蟲害監(jiān)測與綠色防控等工作。

隨著遙感技術(shù)和計算機信息處理與存儲技術(shù)的不斷進步，遙感設(shè)備的價格也在不斷下降，再加上高光譜遙感農(nóng)學(xué)參數(shù)及反演模型精度的不斷提高，可以預(yù)見，在煙葉生產(chǎn)中，高光譜遙感技術(shù)的應(yīng)用場景將會越來越多，應(yīng)用的頻率也會越來越高，在提高煙葉生產(chǎn)精確管理水平，在煙葉生產(chǎn)的持續(xù)、穩(wěn)定與高質(zhì)量發(fā)展中也將會扮演著越來越重要的角色。