許躍奇，閻海濤，常 棟，王曉強(qiáng)，何曉冰，馬文輝，賈方方

（1.河南省煙草公司 平頂山市公司，河南 平頂山 467000；2.商丘師范學(xué)院 生物與食品學(xué)院, 河南 商丘 476000）

煙草花葉?。═obacco Mosaic Virus）是一種在世界各植煙國(guó)普遍發(fā)生、局部地區(qū)嚴(yán)重流行的煙草病毒病害［1］，也是我國(guó)各產(chǎn)煙區(qū)的主要病害，嚴(yán)重限制了煙葉的產(chǎn)量和質(zhì)量的提高。煙株感病初期葉片會(huì)出現(xiàn)深綠相間的斑駁和雜斑，后期則形成深綠色泡斑，葉片卷曲變形，色澤不均，厚薄不一，葉密不開(kāi)片［2］。若在煙草伸根期之前發(fā)病，損失可達(dá)50%~70%，甚至絕收；旺長(zhǎng)期發(fā)病，損失達(dá)30%~50%［3］。因此，在煙草生長(zhǎng)的早期實(shí)現(xiàn)花葉病的定期監(jiān)測(cè)和病害預(yù)測(cè)至關(guān)重要。

葉綠素是植物光合作用中主要的光能吸收物質(zhì)［4］，其含量高低是植物營(yíng)養(yǎng)脅迫［5-6］、衰老進(jìn)程［7］和病害脅迫［8］的良好指示劑。葉片綠色度（SPAD值）可表征作物葉片中葉綠素的相對(duì)含量［9-10］，其變化會(huì)導(dǎo)致作物相應(yīng)光譜的改變，這為利用遙感技術(shù)對(duì)煙草花葉病進(jìn)行實(shí)時(shí)監(jiān)測(cè)提供了可能。謝傳奇等［11］對(duì)灰霉病脅迫下番茄葉片中SPAD值的高光譜圖像信息進(jìn)行了研究，建立了PLSR、PCR、BPNN和LS-SVM模型，結(jié)果表明：LS-SVM模型用于檢測(cè)SPAD值效果最好。謝靜等［12］研究認(rèn)為利用高光譜成像技術(shù)結(jié)合偏最小二乘法建立的預(yù)測(cè)模型可反演水稻葉片上任意像素的SPAD值，可為水稻的病害預(yù)警提供方法。李梅等［13］對(duì)晚疫病病害脅迫下馬鈴薯葉片中的SPAD值與高光譜特性進(jìn)行了關(guān)聯(lián)研究，比較了SPAD值的基于全光譜的PLSR模型、基于特征波長(zhǎng)的LS-SVM模型和基于植被指數(shù)的二次多項(xiàng)式模型，認(rèn)為三者在預(yù)測(cè)效果和簡(jiǎn)化應(yīng)用方面各有優(yōu)劣。前人在作物的病害監(jiān)測(cè)方面已取得了較大進(jìn)展［14-16］，促進(jìn)了病害早識(shí)別、早防控的實(shí)現(xiàn)，降低了作物產(chǎn)量損失和品質(zhì)劣變，減少了農(nóng)藥錯(cuò)施、濫施引起的環(huán)境污染。然而，上述研究多是基于前人經(jīng)驗(yàn)，利用已有的光譜參數(shù)對(duì)作物病害進(jìn)行估測(cè)，鮮有針對(duì)煙草病害的敏感光譜波段篩選和參數(shù)提取，而關(guān)于煙草花葉病冠層尺度SPAD值的定量估算則尚未見(jiàn)報(bào)道。

因此，本研究通過(guò)人工誘發(fā)煙草花葉?。═MV）并測(cè)量感病和健康煙株的冠層光譜和冠層SPAD值 ，綜合分析二者之間的相關(guān)性，探索構(gòu)建檢測(cè)煙草花葉病SPAD值的最佳波段、光譜參數(shù)及模型，預(yù)測(cè)煙草的花葉病病害脅迫，為生產(chǎn)中TMV的精準(zhǔn)診斷及高效管理提供理論基礎(chǔ)與技術(shù)途徑。

1 材料與方法

1.1 試驗(yàn)設(shè)計(jì)

試驗(yàn)于2019年和2020年連續(xù)2年在河南省平頂山市郟縣李口鎮(zhèn)進(jìn)行，采用大田試驗(yàn)。供試土壤為褐土，前茬作物紅薯，試驗(yàn)土壤的pH值為 7.77、有機(jī)質(zhì)含量為9.53 g/kg、堿解氮含量為69.74 mg/kg、速效磷含量為2.74 mg/kg、速效鉀含量為106.61 mg/kg。供試煙草品種為中煙100，分別于2019年4月28日和2020年4月25日移栽，按行株距120 cm×60 cm種植。小區(qū)面積共667 m2，試驗(yàn)田其他栽培管理措施按當(dāng)?shù)貎?yōu)質(zhì)煙葉生產(chǎn)技術(shù)規(guī)范進(jìn)行。

煙草TMV病毒從煙草普通花葉病中分離得到，由商丘師范學(xué)院植物與微生物互作河南省高校重點(diǎn)實(shí)驗(yàn)室提供并保存。在移栽后15 d，于煙草第5片葉上常規(guī)摩擦接種。接種后第5 d開(kāi)始進(jìn)行調(diào)查，按照接種后煙株的顯癥情況，選取單一TMV侵染脅迫所致的花葉病對(duì)煙株進(jìn)行病害分級(jí)。于移栽后30 d開(kāi)始采集并測(cè)定發(fā)病煙株，每個(gè)病害等級(jí)處理設(shè)置3個(gè)重復(fù)。病害分級(jí)標(biāo)準(zhǔn)參照中華人民共和國(guó)煙草行業(yè)標(biāo)準(zhǔn)煙草病害分級(jí)及調(diào)查方法分級(jí)：0級(jí)（全株無(wú)?。?、1級(jí)（心葉脈明或輕微花葉，或上部1/3葉片花葉但不變形，植株無(wú)明顯矮化）、2級(jí)（1/3至1/2葉片花葉，或少數(shù)葉片變形，或主脈變黑，植株矮化為正常株高的2/3以上）、3級(jí)（1/2至2/3葉片花葉，變形或主側(cè)脈壞死，或植株矮化為正常株高的2/3至1/2）、4級(jí)（全株葉片花葉，嚴(yán)重變形或壞死，病株矮化為正常植株高度的1/2以上至1/3）。

1.2 測(cè)定方法

1.2.1 光譜測(cè)定 采用美國(guó)ASD公司生產(chǎn)的Field Spec3野外光譜測(cè)定儀， 光譜范圍為350~ 2500 nm，區(qū)間為350~1000 nm的光譜分辨率為14 nm，1000~2500 nm 區(qū)間內(nèi)的分辨率為2 nm，光譜采樣間隔1.6 nm，視場(chǎng)角25°。選擇晴朗、無(wú)風(fēng)、無(wú)云的天氣，于北京時(shí)間10：00～14：00進(jìn)行光譜測(cè)定。分別于移栽后第30、45、60、75、90和115 d，按照病害等級(jí)， 每個(gè)病級(jí)選3株長(zhǎng)勢(shì)一致，能反映病害水平的大田煙株測(cè)量光譜。測(cè)量時(shí)傳感器探頭垂直向下，據(jù)冠層垂直高度為1.5 m，每株煙光譜值重復(fù)采集10次，取其平均數(shù)為該株煙的光譜反射率。各處理測(cè)定之前均進(jìn)行白板校正。

1.2.2 煙草葉片SPAD值 日本Minolta Camera公司生產(chǎn)的SPAD-502葉綠素儀，利用650 nm紅光波段和940 nm近紅外光波段的透射光比值測(cè)量葉綠素的相對(duì)含量，其SPAD值無(wú)量綱，同葉綠素含量具有較高的相關(guān)性，常用于表征葉綠素含量［17］。待冠層光譜測(cè)定之后，取同株煙草的下（第6片葉）、中（第11片葉）、上部（第18片葉）同一部位煙葉，測(cè)定每片煙葉的葉尖及葉片兩側(cè)的近葉尖、葉中、近葉基、葉基這5個(gè)部位的SPAD值，取其平均數(shù)為該片煙葉的SPAD值，將不同葉位的SPAD值通過(guò)加權(quán)，求得整株煙草的SPAD值。

1.3 數(shù)據(jù)分析

利用光譜數(shù)據(jù)處理軟件ViewSpec Programs對(duì)原始光譜數(shù)據(jù)進(jìn)行異常值剔除、平均、數(shù)據(jù)導(dǎo)出等處理，利用Matlab 12.0、SPSS 18.0和Excel 2003等軟件對(duì)數(shù)據(jù)進(jìn)行處理及計(jì)算。

通過(guò)構(gòu)造光譜植被指數(shù)，可同時(shí)將植被反射率最大和外部影響因素最小化。本文構(gòu)造了400~1300 nm波長(zhǎng)范圍內(nèi)任意2個(gè)波段組合而成的差值（DVI）［18］、比值（RVI）［19］和歸一化（NDVI）［20］植被指數(shù)，分析它們與花葉病脅迫下煙草冠層SPAD值的關(guān)系。

1.4 模型評(píng)價(jià)指標(biāo)

模型預(yù)測(cè)性能的評(píng)價(jià)指標(biāo)包括決定系數(shù)（R2）和均方根誤差（RMSE），其計(jì)算公式如下。

2 結(jié)果與分析

2.1 TMV脅迫下煙草SPAD值動(dòng)態(tài)變化

由圖1可見(jiàn)，除第30天外，其余時(shí)期感病煙株的SPAD值均明顯小于健康植株的，隨著發(fā)病等級(jí)的加重而降低，且隨著生育時(shí)期推移，此規(guī)律愈加明顯。這是由于煙草植株感染TMV后，葉片顏色變淺，呈淡綠色，導(dǎo)致SPAD值減?。欢圃院?0 d煙株尚處于伸根期，早期發(fā)病的煙株除了葉片皺縮，嚴(yán)重矮化外，葉片的厚度及顏色也不均勻，可能導(dǎo)致發(fā)病植株的SPAD值高于健康植株。

圖1 TMV脅迫下煙草冠層SPAD值動(dòng)態(tài)變化

2.2 TMV脅迫下煙草冠層反射光譜的動(dòng)態(tài)變化

圖2展示了TMV脅迫下煙草冠層反射光譜的變化趨勢(shì)，光譜測(cè)定時(shí)期和測(cè)定植株均同煙草SPAD值的測(cè)定（圖1）相對(duì)應(yīng)。TMV脅迫下煙株冠層光譜變化的整體趨勢(shì)為：從移栽后30~75 d，冠層光譜穩(wěn)中有升；移栽后75~115 d，由于煙株凋萎，葉片發(fā)黃，下部葉和中部葉采收，冠層結(jié)構(gòu)發(fā)生變化，進(jìn)而導(dǎo)致冠層光譜呈現(xiàn)降低趨勢(shì)。不同時(shí)期處理間差異明顯，且在可見(jiàn)光，近紅外，短波紅外光區(qū)規(guī)律一致，但不同時(shí)期處理間的動(dòng)態(tài)變化則無(wú)一致規(guī)律，具體表現(xiàn)如下：移栽后30 d：3級(jí)＞1級(jí)＞0級(jí)＞4級(jí)≥2級(jí)；移栽后45 d：1級(jí)≥3級(jí)＞2級(jí)＞0級(jí)＞4級(jí)；移栽后60 d：3級(jí)＞0級(jí)≥1級(jí)＞2級(jí)＞4級(jí)；移栽后75 d：0級(jí)＞1級(jí)＞2級(jí)＞3級(jí)＞4級(jí)；移栽后90 d：2級(jí)＞4級(jí)＞0級(jí)＞3級(jí)＞1級(jí)；移栽后115 d：4級(jí)＞3級(jí)＞2級(jí)＞1級(jí)＞0級(jí)。

圖2 TMV脅迫下煙草冠層光譜曲線動(dòng)態(tài)變化

由此可見(jiàn)，高光譜遙感波段多，信息量大，僅從表觀反射光譜中，難以提取有用信息。同時(shí)，由于冠層光譜受植物冠層結(jié)構(gòu)、土壤背景、大氣狀況等的干擾，難以準(zhǔn)確提取植被信息。通過(guò)構(gòu)造光譜指數(shù)，可以使植被反射信息最大化，外部因素影響最小化。

2.3 煙草SPAD值光譜指數(shù)模型構(gòu)建

2.3.1 TMV脅迫下煙草SPAD值與光譜指數(shù)的定量關(guān)系 植物葉片在可見(jiàn)光區(qū)（400～700 nm） 、紅邊區(qū)（680～760 nm）和近紅外光區(qū)（780～1300 nm） 的光譜反射率和葉片光合色素含量之間有較高的相關(guān)性，加之350~400 nm噪音較大，因此本文主要選擇400~1300 nm之間的波段進(jìn)行分析。

植被指數(shù)是由光譜數(shù)據(jù)經(jīng)過(guò)線性和非線性組合構(gòu)成的對(duì)植被有一定指示意義的各種光譜參數(shù)。為了探尋估算冠層SPAD值的最佳光譜指數(shù)，本文采用減量精細(xì)采樣法，系統(tǒng)分析了400~1300 nm范圍內(nèi)任意2個(gè)波段組合的差值（DVI）、比值（RVI）和歸一化（NDVI）植被指數(shù)與冠層SPAD值的相關(guān)性。圖3為400~1300 nm內(nèi)不同波段的光譜指數(shù)組合估算冠層SPAD值的線性擬合決定系數(shù)R2等勢(shì)圖，圖3a顯示SPAD值同差值植被指數(shù)（DVI）相關(guān)性較好的波段主要集中在796~1110 nm的近紅外波段，而比值植被指數(shù)（RVI）（圖3b）和歸一化植被指數(shù)（NDVI）（圖3c）具有很強(qiáng)的一致性，主要集中在719~760 nm的近紅外波段。

圖3 光譜指數(shù)與煙草SPAD值的決定系數(shù)（R2）等勢(shì)圖（n=82）

2.3.2 光譜指數(shù)模型 TMV脅迫下煙草冠層反射光譜構(gòu)成的3種光譜指數(shù)中，與SPAD值相關(guān)性最好的指數(shù)分別為 DVI（R835，R910），RVI（R731，R741）和NDVI（R731，R741）。分別利用這3個(gè)最優(yōu)光譜指數(shù)與SPAD值建立線性回歸模型（圖4a-圖4c），模型的決定系數(shù)R2分別為0.62、0.60和0.61，均大于0.5，說(shuō)明模型的預(yù)測(cè)準(zhǔn)確度較好。

圖4 煙草SPAD值的DVI（835，910）、RVI（731，741）、NDVI（731，741）和BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型（n=82）

2.3.3 SMLR模型 根據(jù)煙草SPAD值的DVI、RVI和NDVI決定系數(shù)等勢(shì)圖（圖3），分別選取決定系數(shù)R2最高的前20個(gè)DVI參數(shù)、RVI參數(shù)和NDVI參數(shù)，以這60個(gè)參數(shù)作為自變量，以對(duì)應(yīng)的煙草SPAD值為因變量，建立逐步回歸方程（Stepwise multiple linear regression， SMLR）：y=17.88+202.38×DVI（R1077-R1107）-43.80×NDVI［（R719-R733）/ （R719+R733）］。方程的決定系數(shù)R2達(dá)到0.69，其預(yù)測(cè)穩(wěn)定性要稍優(yōu)于3個(gè)線性模型。

2.3.4 BP神經(jīng)網(wǎng)絡(luò)模型 BP神經(jīng)網(wǎng)絡(luò)在非線性映射功能方面具有無(wú)可比擬的優(yōu)勢(shì)，其神經(jīng)元傳輸函數(shù)為非線性函數(shù)，映射方式為“點(diǎn)對(duì)點(diǎn)”映射［18-21］。本文采用了三層BP神經(jīng)網(wǎng)絡(luò)，包括輸入層，單隱含層和輸出層。以逐步回歸方程中的自變量作為輸入層，煙草SPAD值作為輸出層。采用“試錯(cuò)法”來(lái)確定隱含層節(jié)點(diǎn)數(shù)，該模型的隱含層節(jié)點(diǎn)數(shù)為45。輸入層的傳遞函數(shù)為正切函數(shù)tansig，輸出層的傳遞函數(shù)為線性函數(shù)purelin。以2020年的試驗(yàn)數(shù)據(jù)作為BP神經(jīng)網(wǎng)絡(luò)模型的預(yù)測(cè)樣本，預(yù)測(cè)效果的R2為0.89，預(yù)測(cè)效果最好（圖4d）。

2.4 模型驗(yàn)證

利用2019年的試驗(yàn)數(shù)據(jù)對(duì)已建立的DVI、RVI、NDVI、SMLR和BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行驗(yàn)證，分別構(gòu)建了5個(gè)模型的實(shí)測(cè)值與預(yù)測(cè)值的1∶1關(guān)系圖，采用預(yù)測(cè)精度（P-R2）和均方根誤差（RMSE）進(jìn)行定量評(píng)價(jià)（圖5）。結(jié)果顯示：5種模型的精度（P-R2）分別為0.49、0.52、0.52、0.51和0.79，均方根誤差RMSE分別為5.33、5.22、5.23、17.13和3.40。其中以BP神經(jīng)網(wǎng)絡(luò)模型的驗(yàn)證效果最好，P-R2最大，RMSE最小，擬合值曲線最接近1∶1關(guān)系線，說(shuō)明模型的預(yù)測(cè)值和實(shí)測(cè)值符合度較高。

圖5 煙草SPAD值的預(yù)測(cè)值和實(shí)測(cè)值1∶1關(guān)系圖（n=87）

3 討論

應(yīng)用遙感技術(shù)構(gòu)建植被指數(shù)對(duì)作物色素含量進(jìn)行反演，進(jìn)而評(píng)價(jià)其光合能力和健康狀況是目前植被遙感領(lǐng)域的研究熱點(diǎn)［22］。盡管生物脅迫和非生物脅迫均可降低作物的葉綠素含量，但導(dǎo)致其葉綠素變化的機(jī)制卻是不同的。水分脅迫、營(yíng)養(yǎng)脅迫等非生物脅迫主要是因?yàn)橹参锉旧眇B(yǎng)分供應(yīng)不足限制了葉綠素合成［23-24］；而諸如TMV等病害脅迫則是由于病菌的大量繁殖及有毒物質(zhì)的積累，堵塞了導(dǎo)管并破壞植株的內(nèi)部結(jié)構(gòu)，從而造成葉綠素的降解加速。因此，應(yīng)首先明確引起葉綠素變化的內(nèi)在機(jī)理；此外，不同病害脅迫所導(dǎo)致的植株形態(tài)結(jié)構(gòu)及生理變化具有“內(nèi)在性”和“專(zhuān)一性”等特點(diǎn)，而高光譜遙感則主要提取作物表觀性特征，因此早期病害植株在原始光譜反射率上差異較小，若是僅對(duì)原始光譜進(jìn)行分析，將很難及時(shí)識(shí)別病害的發(fā)生。同時(shí)，冠層光譜又受大氣、植株背景等因素的影響，且隨著病害程度加重、生育時(shí)期推進(jìn)，影響冠層光譜的主要因素也會(huì)發(fā)生變化，因此，若用原始光譜指數(shù)，難以準(zhǔn)確估算病害狀況。本研究采用減量精細(xì)采樣法，系統(tǒng)分析了TMV脅迫下煙草冠層400~1300 nm波段范圍內(nèi)任意2個(gè)波段結(jié)合組成的差值、比值和歸一化植被指數(shù)等相對(duì)植被指數(shù)，不僅加強(qiáng)了生物脅迫下植株“內(nèi)在性”與遙感的“表觀性”特征相結(jié)合，同時(shí)也弱化了病害時(shí)期、植株背景等的影響，克服了“異病同譜”的缺陷，對(duì)煙草花葉病的實(shí)時(shí)監(jiān)測(cè)更具針對(duì)性和適用性。

前人對(duì)不同作物的SPAD值進(jìn)行了光譜研究，發(fā)現(xiàn)玉米、油菜等作物的SPAD值的光譜敏感波段均集中于可見(jiàn)光波段［25-27］。本文篩選出以835 nm、910 nm、731 nm和741 nm為 中 心 的TMV脅迫下煙草SPAD值光譜敏感波段。其中731 nm和741 nm均位于可見(jiàn)光波段的紅光波段，而835 nm和910 nm則位于近紅外波段，相比前人研究，新增了近紅外波段為煙草SPAD值的光譜敏感波段。然而，本研究中獲取煙株冠層光譜信息的方式為將傳感器垂直植株冠層向下，這種垂直觀測(cè)模式通常只獲取了植株上層的光譜信息，難以對(duì)其中下層葉片的長(zhǎng)勢(shì)參數(shù)進(jìn)行遙感反演。而TMV發(fā)病特性為自下而上，因此垂直的冠層光譜探測(cè)將具有一定程度的滯后性。同時(shí)，大量研究［28-30］表明：非垂直角度所觀測(cè)到的反射率與垂直角度所觀測(cè)的反射率有明顯差別；太陽(yáng)—地表—傳感器之間空間位置的不同會(huì)導(dǎo)致傳感器觀測(cè)視場(chǎng)內(nèi)植被和土壤的光照和陰影成分比例發(fā)生變化，進(jìn)而影響到植被二向反射率的變化。因此，下一步我們的研究方向?qū)⒗枚嘟嵌冗b感技術(shù)對(duì)作物生物脅迫下的葉綠素含量及密度進(jìn)行立體監(jiān)測(cè)，綜合分析作物中下層葉片的生長(zhǎng)信息對(duì)整個(gè)冠層光譜信息的影響。

本文分別建立了煙草冠層SPAD值的DVI（R835，R910）、RVI（R731，R741）和 NDVI（R731，R741）的 光 譜指數(shù)線性估測(cè)模型、SMLR線性模型及BP神經(jīng)網(wǎng)絡(luò)估測(cè)模型，這5個(gè)模型的預(yù)測(cè)精準(zhǔn)度及穩(wěn)定性均以BP神經(jīng)網(wǎng)絡(luò)最佳，SMLR模型的預(yù)測(cè)精度雖優(yōu)于3個(gè)光譜指數(shù)線性模型，但是其驗(yàn)證效果則表現(xiàn)不甚理想（P-R2=0.51，RMSE=17.13）。SMLR和BP神經(jīng)網(wǎng)絡(luò)模型的輸入?yún)?shù)均是60個(gè)與SPAD值相關(guān)性最好的光譜參數(shù)，但是二者預(yù)測(cè)和評(píng)估效果相差甚遠(yuǎn)，一方面是由于這60個(gè)參數(shù)的分布規(guī)律，歸根結(jié)底來(lái)自于SPAD值的分布規(guī)律，均不是明顯的線性規(guī)律，所以使得BP神經(jīng)網(wǎng)絡(luò)點(diǎn)對(duì)點(diǎn)的非線性預(yù)測(cè)優(yōu)勢(shì)得以充分發(fā)揮。

4 結(jié)論

本文在確定煙草TMV脅迫下SPAD值光譜敏感波段的基礎(chǔ)上，又嘗試構(gòu)建了不同預(yù)測(cè)模型，有效地對(duì)研究區(qū)域的煙草SPAD值進(jìn)行了反演，進(jìn)而大致估算煙草的健康狀況，為其長(zhǎng)勢(shì)監(jiān)測(cè)提供理論參考。

（1）TMV脅迫下煙草SPAD值隨著生育期進(jìn)展均表現(xiàn)為先増后降的趨勢(shì)，在移栽后75 d達(dá)到最大值。而同一生育期，除了伸根期（移栽后30 d），其余時(shí)期均呈現(xiàn)隨TMV病害等級(jí)加重SPAD值降低的趨勢(shì)。

（2）煙草冠層光譜整體變化規(guī)律以移栽后75 d為轉(zhuǎn)折點(diǎn)，75 d之前是穩(wěn)中有升，隨后則明顯降低。處理間差異明顯，但在不同時(shí)期冠層光譜無(wú)明顯一致變化規(guī)律。

（3）煙草SPAD值的敏感波段組合位于可見(jiàn)光波段和近紅外波段：796~1078 nm波段和898~1110 nm的差值組合，719~731 nm波段和733~759 nm波段的比值組合和歸一化組合。其中尤以DVI（R835，R910）、RVI（R731，R741）和 NDVI（R731，R741）與SPAD值的相關(guān)性最好。

（4）建立的SPAD值的DVI（R835，R910）、RVI（R731，R741）、NDVI（R731，R741）線性預(yù)測(cè)模型、SMLR模型和BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型中，以BP神經(jīng)網(wǎng)絡(luò)模型的預(yù)測(cè)精度最高，R2為0.89，模型的驗(yàn)證效果也最佳，P-R2最大（0.79），RMSE最?。?.40）。表明BP神經(jīng)網(wǎng)絡(luò)能夠?qū)崟r(shí)監(jiān)測(cè)TMV脅迫下煙草的葉綠素狀況，這為煙草病害的光譜監(jiān)測(cè)提供了新的技術(shù)思路和方法途徑。