刍议高光谱遥感技术在烟叶生产中的应用前景*

王浮波 ，田宸宇 ，李繁廷 ，袁文彬 ，徐光文 ，曾银锐 ，杨兴有 ，刘永建 ，鲁逸飞 ，鲁黎明 *

（1.四川省烟草公司泸州市公司，四川 泸州 646000；2.四川农业大学 农学院，四川 成都 611130；3.成都淞幸科技有限公司，四川 成都 610225；4.中国烟草总公司四川省公司，四川 成都 610041）

近年来，高光谱遥感技术在农业遥感及农业科研与生产中得到了越来越多的应用，成为了智慧农业不可或缺的重要信息技术。高光谱遥感技术在烟草中的应用也开始得到重视，在叶面积指数、病虫害发生状况、产量估测、品质监测等方面取得了一定研究进展。本文将综述烟草高光谱遥感的研究和应用情况，分析应用中存在的问题，并对其应用前景进行研讨。

1 高光谱遥感技术

遥感指的是一种远距离、非接触的探测技术。它运用了传感器或遥感器，对物体的电磁波辐射或者反射波段进行探测，然后根据其特点，分析物体的特征、状态与性质。

高光谱遥感涵盖了中红外、近红外、可见光和紫外等4个电磁波谱，所获取的众多、狭窄、连续的光谱图像数据技术，也叫成像光谱遥感[1-2]。作为遥感技术的重要组成部分，高光谱遥感技术具有数据描述模型多、信息量大、宽度窄、波段多、光谱分辨率高等特点，很快成为农业遥感的重要技术手段，在农作物生长监测、自然灾害预警以及农业生产管理等方面，高光谱遥感技术应用的优势逐渐显现，成为了智慧农业的关键支撑技术之一。

光谱分辨率较高，是高光谱遥感的重要特征。所以，高光谱遥感在农业生产中应用时，具有很大的优越性。其原因在于，作物的光谱特征明显，不同种类之间所存在的光谱差异，利用遥感数据均能准确地加以区别。一些重要的农学信息，如作物含水量、叶绿素含量、叶面积指数（LAI）等农学参数，可以在高光谱遥感数据方面得到准确的反映。所以，在农作物监测领域，特别是作物长势评估、病虫害发生情况、产量形成、自然灾害监控等方面，高光谱遥感技术应用取得了很好的效果。

2 高光谱遥感在烟叶生产中的应用

2.1 烟草营养监测

烟草矿质营养状况，可以利用高光谱遥感技术进行无损监测。研究发现，在烟草的可见光反射波长内，烟草叶片与冠层的光谱反射率随着施氮量的增加而逐步减少[3]；而在近红外光的范围内，随着施氮量的上升，烟草叶片与冠层的光谱反射率则随之上升[4]。李俊丽[5]认为，烟草冠层反射率具有区别于其他作物的特点，在不同供氮水平下差异显著；窦玉青[6]的研究表明，在自变量为高光谱特征值的情况下，所构建的多元监测模型的精度较高，可以用来估测现蕾期烟叶含氮量。而以NDVI（归一化植被指数）构建的单变量烟叶总氮含量监测模型，可以较好地预测现蕾期烟叶总含氮量；郭婷[7]的研究结果表明，冠层高光谱反射率与不同钾处理烟草氮、磷、钾含量的相关性强，冠层近红外高反射区可用来监测大田烟株钾营养状况。从原始光谱反射率和钾含量的相关性来看，在350nm波段最好；在2297nm波段和1089nm波段，钾含量与光谱一阶微分分别呈极显著正相关和极显著负相关。总体来看，进行高精度烟草叶片钾含量回归模型构建时，叶片光谱反射率一阶微分是一个很好的参数指标。

2.2 烟草产量估测

李朋彦[8]使用无人机高光谱遥感进行了烟草产量反演的建模分析，结果表明，能够较好地反映烟草叶片生物量的指标是NDVI。在烟草的全生育期内，叶片干物质重与NDVI均表现出较强的相关性。同时，在移栽后35天至85天，和LAI（叶面积指数）有极显著或者显著的相关性；刘明芹[9]的研究则表明，RVI（比值植被指数）和NDVI与烟叶产量的相关系数分别为0.967和0.968，相关性很高，达到了极显著的水平；刘国顺等[10]分析了17种光谱变量与烟草地上鲜、干重的关系，通过建立回归模型，筛选出了烟草地上生物量的特征变量为Rg/Rr、λr两个高光谱参数，其中Rg/Rr的复确定系数R2最高，达到极显著水平；李向阳[11]的研究也表明，Rg/Rr是与烟草干、鲜重相关性最高的光谱特征变量。

2.3 烟草品质预测与反演

靳志伟[12]分析了烟草冠层反射光谱与烟碱、氮、钾、还原糖等化学成份含量的相关关系，确定了其光谱敏感波段。其中，还原糖、总氮和烟碱含量的敏感波段均为440-500nm波段和400-740nm波段。只不过后两者在这两个波段与烟叶的光谱反射率是一种极显著的负相关关系。值得注意的是，烟叶钾含量在360-430nm波段和光谱反射率呈显著负相关，但在700-730nm波段，则呈显著正相关；赵文等[13]为了构建烟碱含量的回归方程，对18个高光谱参数进行了相关性分析，建立了基于高光谱参数的烟草叶片烟碱含量的预测模型，并对模型进行了相对误差检验和均方根误差检验。在最终所构建的烟草叶片烟碱含量多函数的回归预测模型中，用到了8个相关性最好的高光谱参数。其中，以SASI、RSI、NDSI导数所建立的模型的稳定性与精度最好，可以用来进行烟叶烟碱含量的预估。

邢雪霞等[14]以植被指数为基础，也构建了一个烟草叶片烟碱含量预估模型，采用的方法是逐步回归与主成分回归法。与逐步回归的方法相比，采用主成分回归方法所建立的回归模型的精度较高，误差较小，效果最好。该模型的决定系数达到了0.924，均方根误差则只有0.29。值得注意的是，邢雪霞等[14]的分析结果说明，与烟叶烟碱含量的相关性最好的光谱参数为红边面积（SDr）/蓝边面积指数（SDb），相关系数达到了0.97。

2.4 烟草病虫害监测

王梅[15]分析了健康与发病烟草叶片、冠层之间的原始光谱曲线、一阶微分光谱曲线，筛选出了叶片敏感波段和冠层敏感波段，构建了烟草病害程度与烟草病害种类识别遥感诊断与监测模型。在所建立的冠层与叶片病害发生程度监测模型中，一阶微分光谱812nm、707nm和627nm的精度最高；王一丁[16]采用PLS-DA（偏最小二乘判别分析）及LS-SVM（最小二乘-支持向量机）方法，构建了烟草花叶病发病程度监测模型。从总体识别率来看，无论是在验证集，还是在校正集，PLS-DA模型均达到了100.00%，模型效果最优，能够准确鉴别正常叶片与发病程度不同的烟草叶片；为了监测烟草花叶病发病程度，刘大双[17]构建了三个回归方程，分别是光谱特征变量回归方程、一阶导数光谱回归方程和光谱反射率回归方程。通过对估测值和实测值进行检验，结果表明，利用一阶导数光谱所建立的回归方程精度最高；在烟草害虫危害的监测方面，为了评估烟蚜的危害程度，乔红波等[18]分析了烟草冠层光谱反射率和不同蚜量之间的关系，结果表明，烟蚜Myzuspersicae（Sulzer）对烟草叶片的为害导致了冠层光谱反射率的降低，其中，冠层反射率在近红外波段下降尤其显著，并且随着危害程度的加重，光谱反射率急剧下降。

3 高光谱遥感应用中存在的问题

3.1 高光谱遥感数据的采集

烟草高光谱遥感数据的采集有3种途径，即星载、机载与地面。星载采集的优势在于面积广、收集信息量大、分辨率高。缺点是其电磁波谱尚不能明确反映许多地物的某些特征，还需要地面的调查和验证。无人机遥感在监测空间尺度和精度上，尤其是中尺度农田信息获取等方面，独具优势。尽管无人机遥感数据的精度受限于气象条件，以及操作人员的技术水平，但随着机载的多源信息技术采集、分析处理技术的发展，无人机遥感技术在烟草农业领域的应用将会越来越广泛。进行地面高光谱数据收集时，便携式地物光谱仪的优势在于可以灵活、方便地获取数据，且所测得的光谱波长范围较广，能够很好地进行地物光谱研究。其缺点是测定易受云量、太阳高度角等天气条件的影响，同时，所测得的数据易混合其他地物的光谱信息，对后续的光谱分析产生一定的困难。

3.2 光谱数据的处理与建模

在获得冠层光谱数据后，首先就要对数据进行降噪、平滑等预处理，以排除其他地物对试验的影响。因而，如何提高信噪比，将和作物密切关联的信息从杂乱的信息背景中遴选出来，就是模型反演精度能否有所提高的关键。目前，常见的做法是对数据进行各种变换处理，包括主成分分析、微分变换、对数变换、平滑等等。这些方法尚无法满足实际应用场景的需要，未来还应开发更多的处理方法与处理手段，以降低高光谱数据的背景值，提升信噪比。

在进行建模反演时，利用线性或非线性回归、人工神经网络等方法所建立的高光谱监测统计模型，实际上大多数是静态的、以光谱变量为单因素的统计模型。这种类型的模型精度不高，缺乏普适性与实时性，难以准确反映烟草生长发育、生产质量形成及其与生态环境的关系。

4 展望

高光谱遥感技术，能够实时、迅速、准确、客观地反映烟草生长的各个方面的信息，包括长势、营养状况、病虫害发生情况等等。其中，烟草冠层光谱信息的采集和分析、处理，是现代烟草农业、精准烟草农业和智慧烟草农业中的重要构成部分。在精准烟草农业的实践中，可以通过高光谱遥感技术，利用搭载高光谱遥感器的无人机或者卫星，对烟草的发育、长势进行实时监测，分析其营养状况和病虫害发生情况，对种植面积、种植密度和单产进行预估，及时发现烟叶生产中出现的问题，为施肥、病虫害防控决策提供科学依据。此外，在烟叶生产中，还可以通过将包括光谱仪在内的多种传感器，集成到智能烟叶生产机械上，从而准确、快速地获取烟草的冠层光谱信息，以完成烟草精准施肥、水分管理、病虫害监测与绿色防控等工作。

随着遥感技术和计算机信息处理与存储技术的不断进步，遥感设备的价格也在不断下降，再加上高光谱遥感农学参数及反演模型精度的不断提高，可以预见，在烟叶生产中，高光谱遥感技术的应用场景将会越来越多，应用的频率也会越来越高，在提高烟叶生产精确管理水平，在烟叶生产的持续、稳定与高质量发展中也将会扮演着越来越重要的角色。