无人机光谱仪在田间烟草中的应用

无人机光谱仪在烟草中的应用主要集中在烟草生长信息的快速准确提取上，特别是随着无人机技术的发展，使用无人机携带高光谱相机快速或农田作物信息已成为一种趋势。利用无人机高光谱监测烟草胁迫、烟草成熟度、产量估算和质量，及时调整各种材料的投资，减少浪费，增加产量，提高烟草质量。

提取烟草生长信息

在作物生产中，快速准确地判断作物氮的营养状况对实现作物的实时准确施肥具有重要意义。

植物的光合色素分为叶绿素(叶绿素a)、叶绿素b)和类胡萝卜素(胡萝卜素、叶黄素)，前者是吸收光能的物质，直接影响植被对光能的利用，后者可以保护叶绿素。与传统方法相比，利用高光谱仪测定叶片中色素含量具有实时、快速、非损伤等优点，成为近年来研究的热点。在烟草中，利用高光谱测定叶片中叶绿素的含量也取得了一定的研究成果。对南江3号烟叶高光谱参数与叶绿素含量的研究表明，叶绿素a(Chla)700nm和623nm分别出现与原始光谱反射率的最大相关系数和光谱一阶微分的最大相关系数;叶绿素h(Chlb)出现在701nm和653nm处。与Chla、Chlb含量相关系数最大的高光谱参数是绿峰位置()与红边面积与蓝边面积的比值(SDr/SDb)，基于光谱反射率一阶微分的烟草叶片叶绿素a模型采用逐步回归法建立、叶绿素B含量的估计效果好，精度高。

LAI是叶面积指数(LeafAreaIndex)作为陆地过程中非常重要的结构参数，它是表示植被冠层最基本的参数之一，通常是产量估计模型和土壤水蒸发蒸腾模型的输入参数。前人研究报告说，绿色作物的光谱反射率与LAI密切相关，越来越多的学者使用高光谱遥感技术来反映叶面积指数。张正阳利用植被指数法、主要成分分析和神经网络建立了烟草LAI高光谱估计模型，取得了良好的效果;主要成分分析验证模型稳定性较好，RMSE为0.172，低于植被指数和神经网络。

烟草胁迫监测

研究不同水处理对烟草高光谱特性的影响表明，在水胁迫下(45%和65%水处理)，烟草冠层高光谱的红边位置“红移”，而85%的水处理由于水分过多而导致叶片提前变黄，叶绿素含量降低，导致红边位置“蓝移”。高光谱遥感也可用于监测重金属对烟草的胁迫。福的归一化污染指数CNDPI建立在敏感波段(551、672、720nm)下，确定当CNDPI值大于0.3时，烟株中会出现镉污染，实现了利用光谱数据区分烟叶是否被镉污染的定性目标。利用高光谱遥感技术监测烟草病虫害的研究主要集中在烟草病虫害上。采用逐步回归方法，建立了烟草病害等级和病株高度的光谱反射率、光谱反射率第一阶微分和光谱特征变量的回归方程。模型检验发现，光谱反射率第一阶微分回归模型的相关系数为0.999，估计效果最好，其次是光谱反射率回归模型。

病虫害监测

当植物受到病虫害的影响时，叶片的颜色、结构和外观会发生变化，从而导致叶片反射率的变化。如果害虫吃叶子或导致叶子卷曲和脱落，也会导致光谱特征曲线的变化，从而通过监测寄主植物光谱曲线的变化来监测害虫的发生。乔红波研究了三种危害:轻(单株顶部和上部5片叶蚜量≤15头)、中(15头≤单株顶部和上部5片叶蚜的量≤50头)和重(单株顶部和上部5片叶蚜的量≥50头)烟蚜危害烟草的光谱特征。结果表明，烟蚜会导致烟草光谱反射率下降，尤其是近红外波段。绿光波段光谱反射率分别下降12%、27%和52%，近红外波段光谱反射率分别下降15%、20%和38%。随着蚜虫数量的增加，一阶导数光谱反射率的最大值下降，在绿光、红光、蓝光和近红外光波段之间建立了烟蚜危害下烟叶光谱反射率和叶绿素SPAD值之间的线性拟合回归方程。SPAD值越大，光谱反射率越高。(p其中，在绿光波段建立的拟合方程拟合效果最好。烟蚜的危害导致叶绿素含量下降，烟叶光合作用强度降低。SPAD值越大，光谱反射率越高。因此，可以监测烟草生产中病虫害的发生，确定防治期和措施。

产量估算

烟草地面生物量是反映烟草代谢和光合作用的重要指标。许多研究表明，通过提取高光谱变量，根据数据条件建立有效的估计模型，可以监测烟草产量Rr。通过建立回归模型，对17种光谱变量与烟草地上新生物量与干生物量的关系进行了评估和筛选Rr、

R的两个高光谱参数作为地面生物量的特征变量，其中RG/RR的决定系数R2最高，达到了非常显著的水平。新鲜生物量和干生物量分别为0.640和0.620，回归模型的可靠性通过反演检验证明。

品质监测

高光谱与烟草的生理生化指标、矿物质元素指标和烟草质量指标有一定的相关性。通过逐步回归分析，建立估算和监测模型，可以快速获得各种烟草指标值，及时指导生产。李向阳通过设置不同类型的烟草、不同的烟草品种、不同的氮、磷、钾处理试验，筛选出总氮和叶绿素a、叶绿素b、类胡萝卜素含量与总量等生理生化指标关系最密切的光谱特征变量RG/Rr，并建立各种生理生化指标的监测模型。

(成熟烟草)

同时，高光谱的27个参数与矿物质元素指标(钙、钾、镁、硼、铜、铁、锰、钠、磷、锌等10个元素)的回归建模，都取得了良好的估计效果。分析了烤烟叶的叶绿素含量和光谱参数，结合烤烟叶的化学指标和香气成分指标，建立了相关的估计模型。分析了烟叶光谱与化学质量指标的关系，筛选出与烟叶氮、钾、烟碱、总糖含量相关的光谱特征参数，建立了诊断模型。

研究展望

研究表明，光照、水肥因素、品种类型和生育期对烟草光谱特性有一定的影响。利用高光谱技术，可以更准确地诊断和监测烟草的生长、营养状况、产量和质量，具有广阔的应用前景。目前，高光谱技术在烟草中进行了更广泛的研究，提出了一系列的监测和估算模型，但由于每个模型都有特定的研究方法和适用条件，难以找到一般模型，需要建立更全面、更大规模的样本参数进行修正，以减少实际生产、品种类型、生态条件和栽培管理的差异。今后，烟草高光谱技术的研究应重点完善和扩大烟草光谱数据库，加强高光谱相关数据的收集和挖掘，加强与GIS的差异、GPS技术的结合应用促进了高光谱技术在烟草中的应用。