趙文等

摘要：利用高光譜參數(shù)預測烤煙葉片中的煙堿含量，選取大田試驗條件下不同光照強度處理的煙株測定光譜反射率。選擇18個高光譜參數(shù)與煙堿含量進行相關(guān)性分析并構(gòu)建回歸方程，進而建立烤煙葉片煙堿含量的高光譜參數(shù)預測模型，并對模型進行均方根誤差和相對誤差檢驗。結(jié)果表明：煙堿含量與選取的高光譜參數(shù)之間的相關(guān)系數(shù)均達到極顯著水平，最高為0.83。選取其中相關(guān)性最好的8個高光譜參數(shù)并建立多種函數(shù)的回歸模型發(fā)現(xiàn)，拋物線的擬合精度r2在各方程中為最優(yōu)，達到0.773。結(jié)合誤差檢驗得出：選取的8個參數(shù)中誤差檢驗與預測模型的精度相符合，說明預測模型穩(wěn)定性良好，能夠進行煙堿含量的快速、簡便、準確的預測，尤其以NDSI導數(shù)、RSI導數(shù)、SASI導數(shù)的拋物線預測模型為最佳。

關(guān)鍵詞：烤煙；高光譜；煙堿含量；預測模型

中圖分類號： TS41+1 文獻標志碼： A 文章編號：1002-1302（2014）03-0275-05

煙堿作為煙草特有的化學成分，對煙葉的刺激性、生理強度以及香吃味都有很大的影響[1-2]。有研究表明，煙葉中的煙堿含量介于1.5%～3.5%之間時，煙葉為優(yōu)質(zhì)水平；煙堿含量過低時，則吸食平淡乏味；煙堿含量過高時，則煙氣勁頭過大[3-4]。近年來，隨著高光譜遙感技術(shù)的發(fā)展，基于高光譜原理的無損傷測試技術(shù)已經(jīng)逐步在農(nóng)業(yè)上得到應(yīng)用，目前國內(nèi)外學者已經(jīng)對多種作物進行了光譜反射率及化學組分的相關(guān)性研究。Johnson等研究了2 160 nm波段處樹葉反射率的一階導數(shù)與葉片全氮含量間的相關(guān)性，結(jié)果發(fā)現(xiàn)相關(guān)性在整個可見光至紅外波段范圍內(nèi)最好，用光譜分析方法估測鮮葉的含氮量時發(fā)現(xiàn)，其精度大于85%[5]。牛錚等的研究表明，小麥鮮葉片的精細光譜特征能夠較好地反映出其7種化學組分含量，尤其對粗蛋白、氮、鉀含量的反映最好，r2均達到0.8以上[6]。高光譜預測在煙草上的應(yīng)用尚處于起步階段，李向陽等采用逐步回歸方法建立了K326烤煙葉片煙堿含量的回歸方程，認為一階導數(shù)光譜回歸模型的模擬效果較好，但要達到田間實時實地檢測，還要考慮外界環(huán)境的影響[7]。吳玉萍等指出，不同品種烤煙間的煙堿含量差異顯著，因此研究不同品種烤煙的大田環(huán)境光譜預測模型很有必要[8]。劉良云等認為，460～740 nm波段光譜反射率與煙堿和全氮含量呈極顯著負相關(guān)，430～710 nm波段光譜透過率與全氮含量呈極顯著負相關(guān)、與煙堿含量呈顯著負相關(guān)[9]。有研究表明，利用PPR（550，450）和NRI（近紅外）建立的煙葉氮素、煙堿、鉀離子含量的光譜預測模型都有很好的穩(wěn)定性。辛榮等指出，利用多元分析中的逐步回歸法、主成分分析法建立全氮預測模型的效果較好[10]。此類研究雖然較多，但尚未見涉及不同光照強度處理下高光譜對煙堿含量的預測模型。由于光照強度對烤煙煙堿含量的影響較大，且光照強度過低會導致煙堿含量升高，煙葉品質(zhì)下降[11]，因此本試驗采用在大田中使用不同層數(shù)的紗布遮陰處理煙葉，通過對不同生育期內(nèi)光譜反射率的測定研究烤煙煙堿含量與光譜之間的關(guān)系，旨在建立一個精確的煙堿高光譜參數(shù)預測模型，為快速測定烤煙葉片中的煙堿含量提供新的研究方法和思路。

1 材料與方法

1.1 試驗材料

供試品種為云煙87。本試驗于2012年在河南省南陽市方城金葉園（112°54′E，33°15′N）內(nèi)進行。試驗地的土壤為黃壤土，pH 值7.48，有機質(zhì)含量11.45 g/kg，全氮含量 0.72 g/kg，堿解氮含量 55.0 mg/kg，速效磷（P2O5）含量 18.0 mg/kg，速效鉀（K2O）含量135 mg/kg。

1.2 儀器與試劑

試驗用主要儀器有：FieldSpec3野外地物光譜測定儀，美國分析光譜儀器公司；連續(xù)流動分析儀（AutoAnalyzer 3 High Resolution，簡稱AA3 HR）。主要試劑有乙酸（分析純）。

1.3 試驗設(shè)計

試驗設(shè)覆蓋1層（S1）、2層（S2）、3層（S3）白色聚乙烯紗網(wǎng)3個遮陰處理，輻射量依次為太陽輻射總量的85%、65%、45%，以自然光作為對照（CK）。按110 cm×60 cm的行株距進行栽種，每處理種45棵煙。移栽后將不同層數(shù)的紗網(wǎng)搭在高2.8 m，底部寬6 m、長6 m的弓形鐵支架上，弓形架為南北走向，不覆蓋南北兩端口，保持通風。2012年4月25日移栽，煙草還苗后開始進行遮陰處理。田間栽培管理措施均按優(yōu)質(zhì)煙葉的生產(chǎn)技術(shù)規(guī)范進行。

1.4 試驗方法

1.4.1 葉片的光譜測定 葉片的光譜測定使用野外光譜測定儀，自帶手持式葉片夾持器，內(nèi)置石英鹵化燈（光源穩(wěn)定）。測量時將煙株葉片放入夾持器葉室內(nèi)并夾緊葉室，以保證葉片的葉面積相同，同時消除環(huán)境背景及噪聲的影響。光譜儀波段范圍為350～2 500 nm，其中350～1 000 nm波段的分辨率為3 nm；1 000～2 500 nm波段的分辨率為10 nm。移栽后30 d開始對不同遮陰處理的煙草葉片進行光譜測定，然后每隔15 d測定1次，至上部葉采收完畢而結(jié)束試驗測定。每次測定前首先進行白板校正，測定時選擇各處理具有代表性、無病害的煙株，每張葉片分別選取葉尖、葉中、葉基3個部位，每個部位連續(xù)測定10組數(shù)據(jù)，每個處理重復測定3次，以各個部位數(shù)據(jù)的平均數(shù)作該葉片的光譜曲線。

1.4.2 煙堿含量的測定 葉片光譜測定結(jié)束后即對光譜測定的葉片取樣，先將葉片用清水沖洗干凈并用濾紙吸干，在 105 ℃ 下殺青15 min，再在60 ℃下烘干，采用連續(xù)流動分析儀（AutoAnalyzer 3 High Resolution，簡稱AA3 HR）測定煙堿含量。試驗樣品的處理方法：稱取0.25 g煙樣于50 mL磨口三角瓶中（精確到0.000 1 g），加入25 mL 5%乙酸溶液并蓋上蓋子，在振蕩器上振蕩萃取30 min后用定性濾紙過濾，注意棄去前幾毫升濾液并收集后續(xù)濾液作分析。每個樣品重復測量3次。endprint

1.5 擬合模型的選擇

簡單線性函數(shù)：y=a+bx；冪函數(shù)：y=axb；指數(shù)函數(shù)：y=aebx；拋物線函數(shù)：y=a+bx+cx2；對數(shù)函數(shù)：y=a+bln（x）；S曲線函數(shù)：y=1/（a+be-x）。式中：y為煙堿含量的擬合值；x為光譜參數(shù)或者光譜反射率的一階導數(shù)；a、b、c均為常數(shù)。

1.6 數(shù)據(jù)分析方法

由于煙堿中含有大量的C—H、N—H，而近紅外（NIR）光譜區(qū)域（波長范圍780～2 526 nm）以及紅邊波段（680～760 nm）對C—H、N—H基團比較敏感[12]。因此本試驗選擇位于近紅外波段以及紅邊波段范圍內(nèi)或附近的光譜指數(shù)（表1），分析其與煙堿含量的相關(guān)性并構(gòu)建回歸方程，以確定最優(yōu)的模擬方程。

原始光譜數(shù)據(jù)通過光譜儀自帶軟件View Spec Pro進行處理，其他數(shù)據(jù)處理工作在Excel 2007和DPS 7.05中進行。選擇各生育時期測定的樣本（n=72）構(gòu)建模型，另外選取20個樣本作為檢驗樣本。采用均方根誤差（RMSE）和相對誤差（RE）對預測值和實測值之間的擬合精度進行檢驗，以確定模型的適用性。

3 結(jié)論與討論

本研究選取了18個高光譜參數(shù)研究烤煙葉片中煙堿含量的預測模型，通過建立不同參數(shù)的多個擬合方程，為研究高光譜預測煙堿含量提供了新思路。為了尋找能夠精確預測煙堿含量的高光譜參數(shù)，從而簡化利用高光譜進行煙堿含量預測的方法，本研究選取多個紅邊以及近紅外波段的光譜指數(shù)建立煙堿預測模型，并得到良好的效果，這與前人研究高光譜預測氮素的敏感波段結(jié)果[13]基本一致，說明煙草葉片中的氮含量與煙堿含量的相關(guān)性較大。

與單純使用反射率或?qū)?shù)相比，采用光譜參數(shù)對煙堿含量進行預測較好地簡化了估算模型的復雜度。分析各參數(shù)的多個回歸方程擬合精度（r2）可知，拋物線函數(shù)回歸模型的擬合精度最高，并且均方根誤差以及相對誤差的檢測結(jié)果較好。同時發(fā)現(xiàn)，NDSI導數(shù)、RSI導數(shù)、SASI導數(shù)的相關(guān)性系數(shù)較好，均達到0.76以上，且都為極顯著相關(guān)，并且這3個參數(shù)的拋物線回歸模型擬合度也較高，均不小于0731 5，均方根誤差≤0.262 5，相對誤差≤11.120 310，檢測結(jié)果較為穩(wěn)定，具有較好的煙堿估測能力。3個參數(shù)的最佳估測模型分別為NDSI（FD700，F(xiàn)D690）y=1673 3-6.006 5×NDSI+7.250 4×NDSI2；RSI（FD691，F(xiàn)D711）y=-0.0015+0.7950×RSI+0058 3×RSI2；SASI（FD700，F(xiàn)D690）（L=-0.01） y=1.474 9-1.200 5×SASI+0.280 7×SASI2。相同參數(shù)的光譜反射率導數(shù)預測結(jié)果之所以優(yōu)于光譜反射率的預測結(jié)果，是由于導數(shù)光譜可部分或全部消除環(huán)境因素對目標物光譜的影響[10]。

由于本研究基于大田烤煙的實際生長環(huán)境而對烤煙的各個生理時期進行實地的光譜測定，因此數(shù)據(jù)能夠更加準確地反映實際情況。由于不同光照強度對煙堿含量的影響較大，因此采用不同層數(shù)的遮陰網(wǎng)對光照強度進行處理，選取各個生育期的上、中、下部煙葉進行光譜試驗測定。在建模過程中，利用各個時期的數(shù)據(jù)進行分析，有效消除了不同生育時期的影響，使模型更具有普遍適用性。因此，本試驗對于煙堿含量的高光譜參數(shù)的預測有較好的適用范圍，具有一定的通用性，可以為煙堿高光譜參數(shù)模型的建立提供一定的借鑒，但由于試驗?zāi)Ｐ偷慕⒉捎昧?年的試驗數(shù)據(jù)，因此想要得到更加精準的預測效果則需要進行更多的模型檢測。另外，本試驗采用的烤煙品種為云煙87，對其他烤煙品種的適用性還需要進一步驗證，同時由于本試驗所處的地理、氣候、環(huán)境等因素的限制，尚未能確定是否能夠適應(yīng)較大海拔差異、經(jīng)緯度差異的植煙地烤煙煙堿的預測。

參考文獻：

[1]Brunnemann K D，Masaryk J，Hoffmann D. Role of tobacco stems in the formation of N-nitrosamines in tobacco and cigarette mainstream and sidestream smoke[J]. Journal of Agricultural and Food Chemistry，1983，31（6）：1221-1224.

[2]Fannin F F，Bush L P. Nicotine demethylation in Nicotiana[J]. Medical Science Research，1992，20：867-868.

[3]Adams J D，Owens-Tucciarone P，Hoffmann D. Tobacco-specific N-nitrosamines in dry snuff[J]. Food and Chemical Toxicology，1987，25（3）：245-246.

[4]史宏志，張建勛. 煙草生物堿[M]. 北京：中國農(nóng)業(yè)出版社，2004：7-11.

[5]Johnson L F，Billow C R. Spectrometry estimation of total nitrogen concentration in Douglas-fir foliage[J]. International Journal of Remote Sensing，1996，17（3）：489-500.

[6]牛 錚，陳永華，隋洪智，等. 葉片化學組分成像光譜遙感探測機理分析[J]. 遙感學報，2000，4（2）：125-130.

[7]李向陽，于建軍，劉國順.利用光譜反射率預測烤煙葉片煙堿含量[J]. 農(nóng)業(yè)工程學報，2008，24（8）：169-173.

[8]吳玉萍，鄧建華，文大榮，等. 云南不同品種和產(chǎn)區(qū)烤煙煙堿含量的差異[J]. 煙草科技，2010（9）：40-42，50.endprint

[9]劉良云，靳志偉，王紀華，等. 光譜法預測煙葉中的煙堿、鉀和氮素[J]. 煙草科技，2005（6）：26-29.

[10]辛 榮，唐延林. 紫外光譜法預測烤煙煙葉中的全氮[J]. 光譜學與光譜分析，2009，29（5）：1367-1370.

[11]薛劍波，符云鵬，尹永強. 影響煙草中煙堿含量的因素及調(diào)控措施[J]. 安徽農(nóng)業(yè)科學，2005，33（6）：1053-1055.

[12]王保興，陳國輝，汪 旭，等. 近紅外光譜技術(shù)在煙草領(lǐng)域的應(yīng)用進展[J]. 光譜實驗室，2006，23（5）：1075-1084.

[13]姚 霞，朱 艷，田永超，等. 小麥葉層氮含量估測的最佳高光譜參數(shù)研究[J]. 中國農(nóng)業(yè)科學，2009，42（8）：2716-2725.

[14]Hansen P M，Schjoerring J K. Reflectance measurement of canopy biomass and Nitrogen status in wheat crops using normalized difference vegetation indices and partial least squares regression[J]. Remote Sensing of Environment，2003，86（4）：542-553.

[15]薛利紅，曹衛(wèi)星，羅衛(wèi)紅，等. 小麥葉片氮素狀況與光譜特性的相關(guān)性研究[J]. 植物生態(tài)學報，2004，28（2）：172-177.

[16]朱 艷，李映雪，周冬琴，等. 稻麥葉片氮含量與冠層反射光譜的定量關(guān)系[J]. 生態(tài)學報，2006，26（10）：3463-3469.

[17]Sims D A，Gamon J A. Relationships between leaf pigment content and spectral reflectance across a wide range of species，leaf structures and developmental stages[J]. Remote Sensing of Environment，2002，81（2/3）：337-354.

[18]馮 偉，姚 霞，朱 艷，等. 基于高光譜遙感的小麥葉片含氮量監(jiān)測模型研究[J]. 麥類作物學報，2008，25（5）：851-860.

[19]李映雪，朱 艷，田永超，等. 小麥葉片氮含量與冠層反射光譜指數(shù)的定量關(guān)系[J]. 作物學報，2006，32（3）：358-362.

[20]Pearson R L，Miller L D.Mapping of standing crop biomass for estimation of the productivity of the short-grass prairie，pawnee national grasslands[C]//Proc.8th International Symposium on Remote Sensing of Environment. USA：Michigan，1972：1357-1381.

[21]Peuelas J，F(xiàn)ilella I，Gamon J A.Assessment of photosynthetic radiation-use efficiency with spectral reflectance[J]. New Phytologist，1995，131（3）：291-296.

[22]Gitelson A A， Merzlyak M N. Signature analysis of leaf reflectance spectra：algorithm development for remote sensing of chlorophyⅡ[J]. Journal of Plant Physiology，1996，148（3/4）：494-500.endprint

[9]劉良云，靳志偉，王紀華，等. 光譜法預測煙葉中的煙堿、鉀和氮素[J]. 煙草科技，2005（6）：26-29.

[10]辛 榮，唐延林. 紫外光譜法預測烤煙煙葉中的全氮[J]. 光譜學與光譜分析，2009，29（5）：1367-1370.

[11]薛劍波，符云鵬，尹永強. 影響煙草中煙堿含量的因素及調(diào)控措施[J]. 安徽農(nóng)業(yè)科學，2005，33（6）：1053-1055.

[12]王保興，陳國輝，汪 旭，等. 近紅外光譜技術(shù)在煙草領(lǐng)域的應(yīng)用進展[J]. 光譜實驗室，2006，23（5）：1075-1084.

[13]姚 霞，朱 艷，田永超，等. 小麥葉層氮含量估測的最佳高光譜參數(shù)研究[J]. 中國農(nóng)業(yè)科學，2009，42（8）：2716-2725.

[14]Hansen P M，Schjoerring J K. Reflectance measurement of canopy biomass and Nitrogen status in wheat crops using normalized difference vegetation indices and partial least squares regression[J]. Remote Sensing of Environment，2003，86（4）：542-553.

[15]薛利紅，曹衛(wèi)星，羅衛(wèi)紅，等. 小麥葉片氮素狀況與光譜特性的相關(guān)性研究[J]. 植物生態(tài)學報，2004，28（2）：172-177.

[16]朱 艷，李映雪，周冬琴，等. 稻麥葉片氮含量與冠層反射光譜的定量關(guān)系[J]. 生態(tài)學報，2006，26（10）：3463-3469.

[17]Sims D A，Gamon J A. Relationships between leaf pigment content and spectral reflectance across a wide range of species，leaf structures and developmental stages[J]. Remote Sensing of Environment，2002，81（2/3）：337-354.

[18]馮 偉，姚 霞，朱 艷，等. 基于高光譜遙感的小麥葉片含氮量監(jiān)測模型研究[J]. 麥類作物學報，2008，25（5）：851-860.

[19]李映雪，朱 艷，田永超，等. 小麥葉片氮含量與冠層反射光譜指數(shù)的定量關(guān)系[J]. 作物學報，2006，32（3）：358-362.

[20]Pearson R L，Miller L D.Mapping of standing crop biomass for estimation of the productivity of the short-grass prairie，pawnee national grasslands[C]//Proc.8th International Symposium on Remote Sensing of Environment. USA：Michigan，1972：1357-1381.

[21]Peuelas J，F(xiàn)ilella I，Gamon J A.Assessment of photosynthetic radiation-use efficiency with spectral reflectance[J]. New Phytologist，1995，131（3）：291-296.

[22]Gitelson A A， Merzlyak M N. Signature analysis of leaf reflectance spectra：algorithm development for remote sensing of chlorophyⅡ[J]. Journal of Plant Physiology，1996，148（3/4）：494-500.endprint

[9]劉良云，靳志偉，王紀華，等. 光譜法預測煙葉中的煙堿、鉀和氮素[J]. 煙草科技，2005（6）：26-29.

[10]辛 榮，唐延林. 紫外光譜法預測烤煙煙葉中的全氮[J]. 光譜學與光譜分析，2009，29（5）：1367-1370.

[11]薛劍波，符云鵬，尹永強. 影響煙草中煙堿含量的因素及調(diào)控措施[J]. 安徽農(nóng)業(yè)科學，2005，33（6）：1053-1055.

[12]王保興，陳國輝，汪 旭，等. 近紅外光譜技術(shù)在煙草領(lǐng)域的應(yīng)用進展[J]. 光譜實驗室，2006，23（5）：1075-1084.

[13]姚 霞，朱 艷，田永超，等. 小麥葉層氮含量估測的最佳高光譜參數(shù)研究[J]. 中國農(nóng)業(yè)科學，2009，42（8）：2716-2725.

[14]Hansen P M，Schjoerring J K. Reflectance measurement of canopy biomass and Nitrogen status in wheat crops using normalized difference vegetation indices and partial least squares regression[J]. Remote Sensing of Environment，2003，86（4）：542-553.

[15]薛利紅，曹衛(wèi)星，羅衛(wèi)紅，等. 小麥葉片氮素狀況與光譜特性的相關(guān)性研究[J]. 植物生態(tài)學報，2004，28（2）：172-177.

[16]朱 艷，李映雪，周冬琴，等. 稻麥葉片氮含量與冠層反射光譜的定量關(guān)系[J]. 生態(tài)學報，2006，26（10）：3463-3469.

[17]Sims D A，Gamon J A. Relationships between leaf pigment content and spectral reflectance across a wide range of species，leaf structures and developmental stages[J]. Remote Sensing of Environment，2002，81（2/3）：337-354.

[18]馮 偉，姚 霞，朱 艷，等. 基于高光譜遙感的小麥葉片含氮量監(jiān)測模型研究[J]. 麥類作物學報，2008，25（5）：851-860.

[19]李映雪，朱 艷，田永超，等. 小麥葉片氮含量與冠層反射光譜指數(shù)的定量關(guān)系[J]. 作物學報，2006，32（3）：358-362.

[20]Pearson R L，Miller L D.Mapping of standing crop biomass for estimation of the productivity of the short-grass prairie，pawnee national grasslands[C]//Proc.8th International Symposium on Remote Sensing of Environment. USA：Michigan，1972：1357-1381.

[21]Peuelas J，F(xiàn)ilella I，Gamon J A.Assessment of photosynthetic radiation-use efficiency with spectral reflectance[J]. New Phytologist，1995，131（3）：291-296.

[22]Gitelson A A， Merzlyak M N. Signature analysis of leaf reflectance spectra：algorithm development for remote sensing of chlorophyⅡ[J]. Journal of Plant Physiology，1996，148（3/4）：494-500.endprint