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(guó)煙草總公司四川省公司，四川 成都 610041）

近年來(lái)，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(lái)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(kāi)始得到重視，在葉面積指數(shù)、病蟲(chóng)害發(fā)生狀況、產(chǎn)量估測(cè)、品質(zhì)監(jiān)測(cè)等方面取得了一定研究進(jìn)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(wèn)題，并對(duì)其應(yīng)用前景進(jìn)行研討。

1 高光譜遙感技術(shù)

遙感指的是一種遠(yuǎn)距離、非接觸的探測(cè)技術(shù)。它運(yùn)用了傳感器或遙感器，對(duì)物體的電磁波輻射或者反射波段進(jìn)行探測(cè)，然后根據(jù)其特點(diǎn)，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(jiàn)光和紫外等4個(gè)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(diǎn)，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(zhǎng)監(jiān)測(cè)、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(shì)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(shí)，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(zhǔn)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(zhǔn)確的反映。所以，在農(nóng)作物監(jiān)測(cè)領(lǐng)域，特別是作物長(zhǎng)勢(shì)評(píng)估、病蟲(chóng)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(yíng)養(yǎng)監(jiān)測(cè)

煙草礦質(zhì)營(yíng)養(yǎng)狀況，可以利用高光譜遙感技術(shù)進(jìn)行無(wú)損監(jiān)測(cè)。研究發(fā)現(xiàn)，在煙草的可見(jiàn)光反射波長(zhǎng)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(rèn)為，煙草冠層反射率具有區(qū)別于其他作物的特點(diǎn)，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(cè)模型的精度較高，可以用來(lái)估測(cè)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(cè)模型，可以較好地預(yù)測(cè)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(qiáng)，冠層近紅外高反射區(qū)可用來(lái)監(jiān)測(cè)大田煙株鉀營(yíng)養(yǎng)狀況。從原始光譜反射率和鉀含量的相關(guān)性來(lái)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(fù)相關(guān)?？傮w來(lái)看，進(jìn)行高精度煙草葉片鉀含量回歸模型構(gòu)建時(shí)，葉片光譜反射率一階微分是一個(gè)很好的參數(shù)指標(biāo)。

2.2 煙草產(chǎn)量估測(cè)

李朋彥[8]使用無(wú)人機(jī)高光譜遙感進(jìn)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(biāo)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(qiáng)的相關(guān)性。同時(shí)，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(dá)到了極顯著的水平；劉國(guó)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(guò)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(gè)高光譜參數(shù)，其中Rg/Rr的復(fù)確定系數(shù)R2最高，達(dá)到極顯著水平；李向陽(yáng)[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(cè)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(guò)后兩者在這兩個(gè)波段與煙葉的光譜反射率是一種極顯著的負(fù)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(fù)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(duì)18個(gè)高光譜參數(shù)進(jìn)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(cè)模型，并對(duì)模型進(jìn)行了相對(duì)誤差檢驗(yàn)和均方根誤差檢驗(yàn)。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(cè)模型中，用到了8個(gè)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(lái)進(jìn)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(gè)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(dá)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(shuō)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(lán)邊面積指數(shù)（SDb），相關(guān)系數(shù)達(dá)到了0.97。

2.4 煙草病蟲(chóng)害監(jiān)測(cè)

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(shí)別遙感診斷與監(jiān)測(cè)模型。在所建立的冠層與葉片病害發(fā)生程度監(jiān)測(cè)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(jī)）方法，構(gòu)建了煙草花葉病發(fā)病程度監(jiān)測(cè)模型。從總體識(shí)別率來(lái)看，無(wú)論是在驗(yàn)證集，還是在校正集，PLS-DA模型均達(dá)到了100.00%，模型效果最優(yōu)，能夠準(zhǔn)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(cè)煙草花葉病發(fā)病程度，劉大雙[17]構(gòu)建了三個(gè)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(guò)對(duì)估測(cè)值和實(shí)測(cè)值進(jìn)行檢驗(yàn)，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(chóng)危害的監(jiān)測(cè)方面，為了評(píng)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(duì)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(wèn)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(jī)載與地面。星載采集的優(yōu)勢(shì)在于面積廣、收集信息量大、分辨率高。缺點(diǎn)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(yàn)證。無(wú)人機(jī)遙感在監(jiān)測(cè)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(dú)具優(yōu)勢(shì)。盡管無(wú)人機(jī)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(jī)載的多源信息技術(shù)采集、分析處理技術(shù)的發(fā)展，無(wú)人機(jī)遙感技術(shù)在煙草農(nóng)業(yè)領(lǐng)域的應(yīng)用將會(huì)越來(lái)越廣泛。進(jìn)行地面高光譜數(shù)據(jù)收集時(shí)，便攜式地物光譜儀的優(yōu)勢(shì)在于可以靈活、方便地獲取數(shù)據(jù)，且所測(cè)得的光譜波長(zhǎng)范圍較廣，能夠很好地進(jìn)行地物光譜研究。其缺點(diǎn)是測(cè)定易受云量、太陽(yáng)高度角等天氣條件的影響，同時(shí)，所測(cè)得的數(shù)據(jù)易混合其他地物的光譜信息，對(duì)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(duì)數(shù)據(jù)進(jìn)行降噪、平滑等預(yù)處理，以排除其他地物對(duì)試驗(yàn)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(lái)，就是模型反演精度能否有所提高的關(guān)鍵。目前，常見(jiàn)的做法是對(duì)數(shù)據(jù)進(jìn)行各種變換處理，包括主成分分析、微分變換、對(duì)數(shù)變換、平滑等等。這些方法尚無(wú)法滿足實(shí)際應(yīng)用場(chǎng)景的需要，未來(lái)還應(yīng)開(kāi)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(jìn)行建模反演時(shí)，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(cè)統(tǒng)計(jì)模型，實(shí)際上大多數(shù)是靜態(tài)的、以光譜變量為單因素的統(tǒng)計(jì)模型。這種類型的模型精度不高，缺乏普適性與實(shí)時(shí)性，難以準(zhǔn)確反映煙草生長(zhǎng)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(shí)、迅速、準(zhǔn)確、客觀地反映煙草生長(zhǎng)的各個(gè)方面的信息，包括長(zhǎng)勢(shì)、營(yíng)養(yǎng)狀況、病蟲(chóng)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(zhǔn)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(zhǔn)煙草農(nóng)業(yè)的實(shí)踐中，可以通過(guò)高光譜遙感技術(shù)，利用搭載高光譜遙感器的無(wú)人機(jī)或者衛(wèi)星，對(duì)煙草的發(fā)育、長(zhǎng)勢(shì)進(jìn)行實(shí)時(shí)監(jiān)測(cè)，分析其營(yíng)養(yǎng)狀況和病蟲(chóng)害發(fā)生情況，對(duì)種植面積、種植密度和單產(chǎn)進(jìn)行預(yù)估，及時(shí)發(fā)現(xiàn)煙葉生產(chǎn)中出現(xiàn)的問(wèn)題，為施肥、病蟲(chóng)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(guò)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(jī)械上，從而準(zhǔn)確、快速地獲取煙草的冠層光譜信息，以完成煙草精準(zhǔn)施肥、水分管理、病蟲(chóng)害監(jiān)測(cè)與綠色防控等工作。

隨著遙感技術(shù)和計(jì)算機(jī)信息處理與存儲(chǔ)技術(shù)的不斷進(jìn)步，遙感設(shè)備的價(jià)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(jiàn)，在煙葉生產(chǎn)中，高光譜遙感技術(shù)的應(yīng)用場(chǎng)景將會(huì)越來(lái)越多，應(yīng)用的頻率也會(huì)越來(lái)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(huì)扮演著越來(lái)越重要的角色。