沈雪婷，凌 平，彭桃軍，單 倩，蘇鵬飛，鄭 咪

(江西省吉安市煙草公司 安福縣分公司，江西 安福 343200)

?

高光譜遙感技術(shù)在煙草中的應(yīng)用綜述

沈雪婷，凌 平，彭桃軍，單 倩，蘇鵬飛，鄭 咪

(江西省吉安市煙草公司 安?？h分公司，江西 安福 343200)

摘要：首先綜述了影響煙草光譜特征的若干因素,同時(shí)列舉了高光譜遙感應(yīng)用于煙草上的主要處理技術(shù),最后對(duì)高光譜遙感在煙草上未來(lái)應(yīng)用進(jìn)行了展望。

關(guān)鍵詞：煙草；高光譜；遙感；監(jiān)測(cè)模型

遙感技術(shù)始于20世紀(jì)60年代，這一概念首先由美國(guó)地理學(xué)家Eretyn Pruitt等提出，即指應(yīng)用探測(cè)儀器，不直接與探測(cè)目標(biāo)接觸，在遠(yuǎn)處接受來(lái)自目標(biāo)物體的信息，并進(jìn)行處理分析，是一種揭示目標(biāo)物體的特征屬性與分布特征的綜合探測(cè)性技術(shù)[1-2]。隨著遙感技術(shù)不斷發(fā)展，20世紀(jì)70年代高光譜遙感技術(shù)的出現(xiàn)使得遙感信息定量獲取的領(lǐng)域進(jìn)一步拓寬，高光譜遙感技術(shù)逐漸成為農(nóng)業(yè)遙感應(yīng)用中的重要前沿技術(shù)手段之一。

高光譜遙感[3](Hyperspectral Remote Sensing)又稱成像光譜遙感，是指在電磁波譜的4個(gè)波段(紫外、可見光、近紅外和中紅外見光)范圍內(nèi)，從目標(biāo)物體上獲取許多非常窄且光譜連續(xù)圖像數(shù)據(jù)的技術(shù)。高光譜遙感技術(shù)因具有多波段且寬度窄、光譜分辨率高、信息量大、數(shù)據(jù)描述模型多等特點(diǎn)[4]而在農(nóng)業(yè)生產(chǎn)中發(fā)揮了重要作用，姚云軍等[5]認(rèn)為其在農(nóng)業(yè)中的應(yīng)用可歸為作物的分類識(shí)別、葉片光譜特征研究、作物養(yǎng)分的診斷與監(jiān)測(cè)、生態(tài)物理參數(shù)的反演與提取、監(jiān)測(cè)作物長(zhǎng)勢(shì)與預(yù)測(cè)產(chǎn)量、建立農(nóng)業(yè)遙感信息模型、監(jiān)測(cè)農(nóng)業(yè)災(zāi)害7大類。前人對(duì)高光譜遙感技術(shù)在玉米[6-9]、大豆[10-12]、小麥[13-15]等農(nóng)作物中的應(yīng)用有較為深入的研究，但在煙草中的研究起步較晚。煙草是我國(guó)重要的經(jīng)濟(jì)作物之一，在國(guó)民經(jīng)濟(jì)中起著重要作用。2007年國(guó)家煙草專賣局提出“積極推動(dòng)傳統(tǒng)煙葉生產(chǎn)向現(xiàn)代煙草農(nóng)業(yè)轉(zhuǎn)變”的戰(zhàn)略性?shī)^斗方向，在全國(guó)范圍內(nèi)拉開了發(fā)展現(xiàn)代化煙草農(nóng)業(yè)的序幕。高光譜遙感技術(shù)因具有實(shí)時(shí)、快速、無(wú)損、精確且適合大范圍診斷的優(yōu)點(diǎn)，在推動(dòng)煙草農(nóng)業(yè)現(xiàn)代化過(guò)程中具有重要作用。近年來(lái)，越來(lái)越多的煙草學(xué)者將目光轉(zhuǎn)向高光譜技術(shù)，他們的研究揭示了不同因素影響煙草光譜特征的變化規(guī)律，篩選出一些監(jiān)測(cè)參數(shù)，并建立了相應(yīng)的估算模型，但是高光譜技術(shù)在煙草中的應(yīng)用還處于發(fā)展階段，尚不成熟，要將其投入實(shí)際生產(chǎn)中還需要更加全面深入的研究。本文綜述了前人在煙草生產(chǎn)中應(yīng)用高光譜遙感技術(shù)的研究成果，以期為高光譜技術(shù)指導(dǎo)煙草生產(chǎn)提供一定的理論依據(jù)。

1煙草的光譜特征以及不同因素對(duì)其的影響

煙草具有綠色植被的典型光譜特征，這是由其細(xì)胞結(jié)構(gòu)、化學(xué)成分和形態(tài)學(xué)特征決定的。煙草的光譜特征受光照、水分、肥料、品種類型、生育時(shí)期、病蟲害等因素的影響。

1.1光照對(duì)煙草光譜特征的影響

光照是植物生長(zhǎng)發(fā)育的必需條件之一，為植物進(jìn)行光合作用提供能量[16-19]。光照強(qiáng)度和光質(zhì)條件都會(huì)對(duì)煙草的光譜特征產(chǎn)生明顯影響。賈方方[20]以云煙87為實(shí)驗(yàn)材料進(jìn)行研究發(fā)現(xiàn)：在不同遮陰條件下，葉片的光譜反射率隨著遮陰程度增加而逐漸降低，在可見光(350～700 nm)和近紅外光(750～1000 nm)范圍表現(xiàn)更為明顯。趙文[21]在對(duì)中部葉的研究中也得出了類似結(jié)論。邢雪霞[4]研究發(fā)現(xiàn)不同光質(zhì)條件對(duì)烤煙光譜曲線的影響不大，但顯著影響了烤煙的光譜反射率，葉片光譜與冠層光譜的反射率均以白膜表現(xiàn)最優(yōu)。

1.2水分對(duì)煙草光譜特征的影響

水分對(duì)烤煙的生長(zhǎng)發(fā)育及品質(zhì)都有重要的影響，水分因素對(duì)烤煙內(nèi)外部理化性狀產(chǎn)生直接影響，這間接影響了烤煙的光譜特征[22]。煙草葉片的紅邊特征受水分影響明顯，在整個(gè)生育期內(nèi)，隨著土壤水分減少，烤煙葉片紅邊位置向長(zhǎng)波方向移動(dòng)，紅移現(xiàn)象顯著[23-24]；在伸根期和旺長(zhǎng)期，葉片紅邊幅值和紅邊面積隨土壤水分增加發(fā)生紅移現(xiàn)象，成熟期則隨土壤水分增加發(fā)生藍(lán)移現(xiàn)象[25]。研究[26-27]表明，不同水分條件下的烤煙葉片和冠層光譜反射率間存在顯著差異，隨著土壤含水量的增加冠層紅邊一階微分光譜的“雙峰”現(xiàn)象愈加顯著。

1.3肥料對(duì)煙草光譜特征的影響

氮磷鉀被稱為煙草生長(zhǎng)發(fā)育的3要素，它們是煙草中眾多化合物的組成成分，與煙草體內(nèi)的多種生理生化過(guò)程密切相關(guān)，直接影響煙草葉片內(nèi)外部的理化性狀。研究發(fā)現(xiàn)[1,28]，在可見光范圍內(nèi)，烤煙葉片和冠層的光譜反射隨施氮量的增加而降低，這是由于隨著施氮量的增加葉片色素含量增加，導(dǎo)致葉片對(duì)光的吸收增強(qiáng)；在近紅外光范圍內(nèi)，烤煙葉片和冠層的光譜反射隨施氮量的增加而增加，這是由于隨著施氮量增加葉片細(xì)胞變大，細(xì)胞間隙變大，細(xì)胞壁水化度增高，導(dǎo)致光在葉片組織細(xì)胞內(nèi)進(jìn)行了多次反射。施氮量同時(shí)會(huì)對(duì)烤煙葉片的紅邊位置產(chǎn)生影響[28-29]。隨著施氮量的增加，同一生育時(shí)期內(nèi)各部位葉片的紅邊位置均發(fā)生“紅移”現(xiàn)象。呂小娜[30]研究認(rèn)為，隨著施氮量的增加，烤煙冠層一階導(dǎo)數(shù)光譜呈現(xiàn)向長(zhǎng)波方向移動(dòng)的趨勢(shì)，“雙峰”現(xiàn)象愈加顯著，烤煙冠層紅邊位置變化不明顯，但紅邊面積與紅邊幅值呈增加趨勢(shì)。李向陽(yáng)等[31]研究表明，隨著供鉀水平的增加，烤煙葉片光譜反射率呈降低趨勢(shì)，在綠光波段尤其明顯。

國(guó)內(nèi)關(guān)于磷素對(duì)煙草光譜特征影響的研究較少，李向陽(yáng)[28]以NC89為研究材料發(fā)現(xiàn)在可見光范圍內(nèi)冠層反射率隨施磷量的增加而降低。在其他作物如冬小麥[32]、春玉米[33]中磷對(duì)光譜特征的影響已經(jīng)獲得一定的研究成果，我們可以借鑒這些研究成果，彌補(bǔ)煙草這一方面研究的欠缺。

1.4不同類型和品種煙草光譜特征的差異

不同類型和品種的煙草具有不同的遺傳特征，這決定了生長(zhǎng)過(guò)程中煙草葉片的生理生化特征和化學(xué)物質(zhì)含量等方面會(huì)有所差異，導(dǎo)致煙草的光譜特征不同。劉國(guó)順等[34]通過(guò)研究白肋煙、烤煙、香料煙3種煙草的冠層光譜特征發(fā)現(xiàn)，在綠光波段和近紅外范圍內(nèi)，白肋煙的冠層反射率最大，烤煙次之，香料煙最小。李向陽(yáng)[28]通過(guò)研究對(duì)此進(jìn)行了解釋，在綠光范圍內(nèi)反射率主要受葉綠素含量的影響，白肋煙葉片呈淺綠色，葉脈發(fā)白，葉綠素含量低，因此反射率最大；烤煙和香料煙葉片均呈綠色，但由于香料植株矮小、種植密度大造成儀器視場(chǎng)范圍內(nèi)葉綠素含量高，故而烤煙反射率大于香料煙。李佛琳[35]研究這3種煙草的葉片反射率發(fā)現(xiàn)，在可見光波段和近紅外波段，白肋煙葉反射率均大于另外兩種類型的煙草；在可見光波段內(nèi)，香料煙葉片反射率大于烤煙，而在近紅外波段內(nèi)則是烤煙大于香料煙。

不同品種煙草的光譜特征也存在差異，前人主要研究了不同品種烤煙的光譜特征差異。殷全玉等[36]研究報(bào)道，在可見光范圍內(nèi)，中煙101葉片的光譜反射率大于云煙87，而在近紅外范圍內(nèi)則反之。李向陽(yáng)[28]對(duì)NC89、K326、云煙85、慶勝2號(hào)4個(gè)烤煙品種進(jìn)行研究發(fā)現(xiàn)，在可見光范圍內(nèi)，4個(gè)品種的冠層光譜反射率間差異不大；在近紅外范圍內(nèi)，NC89>K326>云煙85>慶勝2號(hào)。

1.5不同生育時(shí)期煙草光譜特征的差異

隨著煙草生育期的推移，煙草冠層和葉片的反射率存在顯著差異。隨著生育期的推移，在可見光波段葉片光譜反射率增加，主要是由葉片葉綠素含量以及水分含量減少引起的。移栽后，煙株根系迅速生長(zhǎng)、葉片伸展，葉片單位面積內(nèi)葉綠素含量減少；進(jìn)入旺長(zhǎng)期，葉片內(nèi)葉綠素含量進(jìn)一步降低，水分含量減少；進(jìn)入成熟期，大量的葉綠素在此時(shí)被分解破壞；這一系列的變化導(dǎo)致葉片在可見光波段紅區(qū)和藍(lán)區(qū)的吸收不斷減少，最終造成反射率增加。而在近紅外光波段葉片光譜反射率的增加則主要是由葉片細(xì)胞結(jié)構(gòu)的變化引起的，隨著生育時(shí)期的推移，煙葉生長(zhǎng)葉片組織細(xì)胞結(jié)構(gòu)逐漸充實(shí)，葉肉細(xì)胞之間的間隙擴(kuò)大，折射率的急劇變化導(dǎo)致反射面數(shù)目增加，最終導(dǎo)致近紅外波段反射率增加[35-37]。

1.6病蟲害對(duì)煙草光譜特征的影響

病蟲害對(duì)煙草的危害主要有兩種形式：外部形態(tài)上的變化和內(nèi)部生理效應(yīng)的改變。這些變化都勢(shì)必會(huì)引起煙草光譜特征的變化，在紅區(qū)和近紅外區(qū)表現(xiàn)尤為明顯[38]。王梅[38]研究發(fā)病煙草的高光譜特征時(shí)發(fā)現(xiàn)，感染病害煙草的病葉和冠層光譜反射率均明顯低于健康煙草，隨著病害程度的增加，在整個(gè)生育期內(nèi)煙草病葉光譜的紅邊位置發(fā)生了“藍(lán)移”現(xiàn)象，而煙草冠層的光譜位置則發(fā)生了“紅移”現(xiàn)象。劉大雙等[39-40]報(bào)道稱NC89被煙草花葉病毒侵染后，烤煙受脅迫失綠，綠峰位置向紅光方向偏移而紅邊位置向藍(lán)光偏移，且接種TMV病毒后在肉眼觀察不到病害葉片明顯癥狀時(shí)，葉片的光譜特征曲線已發(fā)生改變，可用高光譜進(jìn)行診斷。喬紅波等[41]研究不同數(shù)量煙蚜對(duì)中煙101光譜特征的影響時(shí)發(fā)現(xiàn)，同健康葉片相比，輕度、中度和重度受害葉片的光譜反射率在綠光波段分別下降了12%、27%、52%，在近紅外波段分別下降了15%、20%、38%。

2高光譜遙感技術(shù)在煙草中的應(yīng)用

高光譜遙感技術(shù)在煙草中的應(yīng)用主要集中在快速、精準(zhǔn)地提取煙草生長(zhǎng)的信息，煙草脅迫監(jiān)測(cè)、煙葉成熟度監(jiān)測(cè)、產(chǎn)量估算與品質(zhì)監(jiān)測(cè)，從而及時(shí)調(diào)整各類物資的投入量，以期達(dá)到減少浪費(fèi)、增加產(chǎn)量、改善煙草品質(zhì)的目的。

2.1煙草生長(zhǎng)信息的提取

在作物生產(chǎn)中，快速、精準(zhǔn)地判斷作物氮素營(yíng)養(yǎng)狀況對(duì)實(shí)現(xiàn)作物的實(shí)時(shí)精準(zhǔn)施肥具有重要意義[42]。呂小娜[30]通過(guò)回歸方法篩選出變量Rnir、NDVI和SAVI，建立了煙草葉片含氮量的監(jiān)測(cè)模型TN=0.346-0.756Rnir-0.448NDVI+1.607SAVI，決定系數(shù)為0.996，F(xiàn)檢驗(yàn)達(dá)到極顯著水平。靳涵丞等[43]以南江3號(hào)為實(shí)驗(yàn)材料建立了葉片的全氮含量高光譜估算模型，運(yùn)用相關(guān)性分析和逐步回歸分析發(fā)現(xiàn)，南江3號(hào)葉片全氮含量的高光譜反射率特征波長(zhǎng)與光譜反射率一階微分的特征波長(zhǎng)分別為702、632 nm，特征變量綠峰與紅谷比值(Rg/Rr)的相關(guān)系數(shù)較大，為-0.812；基于光譜反射率的一階微分方程對(duì)葉片全氮含量的估測(cè)效果好(R2=0.961，P<0.01)。

植物的光合色素分為葉綠素(葉綠素a、葉綠素b)和類胡蘿卜素(胡蘿卜素、葉黃素)，前者是吸收光能的物質(zhì)，直接影響植被對(duì)光能的利用，后者則能對(duì)葉綠素起到保護(hù)作用[44]。與傳統(tǒng)方法相比，利用高光譜儀測(cè)定葉片中色素的含量具有實(shí)時(shí)、快速、非損傷性等優(yōu)點(diǎn)，因而成為近年來(lái)研究的熱點(diǎn)。在煙草中，利用高光譜測(cè)定葉片中的葉綠素含量也取得了一定的研究成果。邢雪霞等[45]在21個(gè)光譜參數(shù)中篩選出與葉綠素含量、類胡蘿卜素含量相關(guān)性最好的光譜參數(shù)，即綠度歸一化植被指數(shù)(G_NDVI)和轉(zhuǎn)換葉綠素吸收反射指數(shù)(TCARI)，并分別建立了葉綠素a、葉綠素b、葉綠素a+b以及類胡蘿卜素含量的最佳估測(cè)模型，確定了光譜參數(shù)G_NDVI和TCARI為預(yù)測(cè)色素含量的特征參數(shù)。付虎艷等[47]研究南江3號(hào)煙葉高光譜參數(shù)與葉綠素含量的關(guān)系表明，葉綠素a(Chl a)與原始光譜反射率的最大相關(guān)系數(shù)以及光譜一階微分的最大相關(guān)系數(shù)分別出現(xiàn)在700 nm和623 nm處；而葉綠素b(Chl b)的則出現(xiàn)在701 nm和653 nm處。與Chl a、Chl b含量相關(guān)系數(shù)最大的高光譜參數(shù)分別是綠峰位置(λg)和紅邊面積與藍(lán)邊面積的比值(SDr/SDb)，運(yùn)用逐步回歸方法建立的基于光譜反射率一階微分的模型對(duì)煙草葉片葉綠素a、葉綠素b含量的估測(cè)效果好，精度較高。

葉面積指數(shù)LAI(Leaf Area Index)作為陸面過(guò)程中一個(gè)十分重要的結(jié)構(gòu)參數(shù)，是表征植被冠層的最基本的參量之一，在遙感監(jiān)測(cè)中通常是產(chǎn)量估測(cè)模型與土壤水分蒸發(fā)蒸騰量模型的輸入?yún)?shù)[48-49]。前人研究報(bào)道綠色作物光譜反射率與LAI密切相關(guān)，越來(lái)越多的學(xué)者利用高光譜遙感技術(shù)來(lái)反演葉面積指數(shù)[50-52]。劉國(guó)順等[34]研究了17種光譜參數(shù)與煙草葉面積指數(shù)的關(guān)系，篩選出綠峰與紅谷的比值(Rg/Rr)、綠峰位置(λg)、綠峰幅值(Rg)3個(gè)高光譜參數(shù)作為特征變量并建立了回歸方程，其中Rg/Rr的決定系數(shù)為0.777，達(dá)到極顯著水平。張正楊等[53]運(yùn)用植被指數(shù)法、主成分分析、神經(jīng)網(wǎng)絡(luò)3種方法進(jìn)行反演，建立了煙草LAI的高光譜估算模型，3種方法均取得了較好的結(jié)果；其中主成分分析法建立的驗(yàn)證模型穩(wěn)定性更好，其驗(yàn)證模型的RMSE為0.172，低于植被指數(shù)法與神經(jīng)網(wǎng)絡(luò)法。

2.2煙草脅迫監(jiān)測(cè)

賈方方[26]研究不同水分處理對(duì)煙草高光譜特征的影響表明，在水分脅迫下(45%和65%水分處理)，煙草冠層高光譜的紅邊位置發(fā)生“紅移”現(xiàn)象，而85%水分處理則因?yàn)樗诌^(guò)多導(dǎo)致葉片提前落黃，葉綠素含量減少造成紅邊位置發(fā)生“藍(lán)移”現(xiàn)象。高光譜遙感亦可以用于監(jiān)測(cè)重金屬對(duì)煙草的脅迫。李佛琳等[54]在敏感波段(551、672、720 nm)下建立了鎘的歸一化污染指數(shù)CNDPI，并確定當(dāng)CNDPI值大于0.3時(shí)，煙株中即出現(xiàn)鎘污染情況，實(shí)現(xiàn)了利用光譜數(shù)據(jù)區(qū)分煙葉是否被鎘污染的定性目標(biāo)。利用高光譜遙感技術(shù)監(jiān)測(cè)煙草病蟲害的研究主要集中在煙草花葉病方面，劉大雙[40]采用逐步回歸方法建立了煙草花葉病病害等級(jí)和病株高度的光譜反射率、光譜反射率一階微分和光譜特征變量的回歸方程，對(duì)模型進(jìn)行檢驗(yàn)發(fā)現(xiàn)，光譜反射率一階微分回歸模型的相關(guān)系數(shù)為0.999，估測(cè)效果最好，光譜反射率回歸模型的估測(cè)效果次之，光譜特征變量回歸模型最差。

2.3煙葉成熟度監(jiān)測(cè)

煙葉成熟采收對(duì)烤煙品質(zhì)具有重要意義，目前我國(guó)仍以根據(jù)葉片顏色以及葉齡的主觀方法判斷煙葉成熟度，如何形成客觀系統(tǒng)的方法判斷烤煙成熟度成為了學(xué)者們研究的熱點(diǎn)。李佛琳等[54]研究了不同成熟度鮮煙葉的高光譜特征，建立了量化判別煙葉成熟度的模型，經(jīng)驗(yàn)證模型具有較好的穩(wěn)定性。余志虹等[55]利用煙葉高光譜比值植被指數(shù)RVI(1100,660)建立了檢測(cè)煙葉成熟度的模型且能夠量化，當(dāng)2.81≤RVI(1100,660)≤3.47時(shí)，中部葉成熟；當(dāng)RVI(1100,660)<2.72時(shí)中部葉過(guò)熟；當(dāng)RVI(1100,660)>3.75時(shí)，中部葉欠熟。梁寅[56]也利用高光譜遙感技術(shù)建立了判別云煙87 煙葉成熟度的判別模型。

2.4產(chǎn)量估算

地上生物量是陸地生態(tài)系統(tǒng)的重要參數(shù)之一，在農(nóng)業(yè)生產(chǎn)中常常用來(lái)衡量作物的長(zhǎng)勢(shì)與產(chǎn)量。眾多學(xué)者研究發(fā)現(xiàn)，可以利用高光譜遙感進(jìn)行農(nóng)作物產(chǎn)量估算，在煙草中也取得了一些研究成果。劉國(guó)順等[34]篩選出了地上鮮生物重(ADF)、地上干生物重(ADW)的高光譜特征變量Rg/Rr，并建立了估測(cè)模型，統(tǒng)計(jì)檢驗(yàn)發(fā)現(xiàn)包含特征變量Rg/Rr的回歸模型估測(cè)效果優(yōu)于其他模型。李佛琳[35]建立了香料煙產(chǎn)量與冠層光譜預(yù)測(cè)模型，大多是以光譜吸收位置和水體指數(shù)為變量的指數(shù)方程。

2.5品質(zhì)監(jiān)測(cè)

眾多研究表明，煙草的光譜參數(shù)與其生理生化指標(biāo)、烤煙品質(zhì)指標(biāo)之間存在相關(guān)性，且可以通過(guò)高光譜遙感技術(shù)建立這些指標(biāo)的估算、監(jiān)測(cè)模型。李俊麗[57]采用逐步回歸法以19種高光譜參數(shù)為自變量建立了煙草各項(xiàng)生理生化指標(biāo)的預(yù)測(cè)模型，各方程的決定系數(shù)R2均達(dá)到了極顯著水平，回歸系數(shù)相伴概率亦達(dá)到了顯著水平。李佛琳[35]對(duì)煙葉光譜參數(shù)與煙葉化學(xué)品質(zhì)指標(biāo)之間進(jìn)行了相關(guān)性分析并篩選出與品質(zhì)指標(biāo)顯著相關(guān)的光譜參數(shù)，建立了相應(yīng)的監(jiān)測(cè)模型，經(jīng)過(guò)檢驗(yàn)發(fā)現(xiàn)利用高光譜遙感建立的氮、鉀含量監(jiān)測(cè)模型效果最好，煙堿和總糖的模型次之。

3研究展望

前人已經(jīng)較為系統(tǒng)地研究了影響煙草光譜特征的因素，并且在利用高光譜遙感技術(shù)監(jiān)測(cè)煙草長(zhǎng)勢(shì)與品質(zhì)、估算產(chǎn)量、監(jiān)測(cè)煙草脅迫等方面取得了一些研究成果。但是由于各類監(jiān)測(cè)與估算模型是不同學(xué)者在不同試驗(yàn)條件下建立的，各模型不具有普遍適用性，與實(shí)現(xiàn)指導(dǎo)煙葉生產(chǎn)的目標(biāo)還有一定差距。因此，如何將高光譜遙感技術(shù)在煙草中的應(yīng)用從理論走向業(yè)務(wù)化操作并提取出具有普適性的監(jiān)測(cè)與估算模型是我們今后的主要研究方向。同時(shí)，我們還應(yīng)加強(qiáng)高光譜技術(shù)與GPS、GIS等信息技術(shù)的結(jié)合，推動(dòng)煙草農(nóng)業(yè)現(xiàn)代化進(jìn)程。

參考文獻(xiàn)：

[1] 張正楊.基于水氮互作的煙草高光譜特性及估測(cè)模型研究[D].鄭州:河南農(nóng)業(yè)大學(xué),2011.

[2] 梅安新,彭望琭.遙感導(dǎo)論[M].北京:高等教育出版社,2001.

[3] Lillesand T M, Kiefer R W. Remote sensing and image interpretation (3rd Edition)[M]. New York: John Wiley & Sons, 1994： 750.

[4] 邢雪霞.不同光質(zhì)條件對(duì)烤煙光譜特征和品質(zhì)的影響[D].鄭州:河南農(nóng)業(yè)大學(xué),2014.

[5] 姚云軍,秦其明,張自力,等.高光譜技術(shù)在農(nóng)業(yè)遙感中的應(yīng)用研究進(jìn)展[J].農(nóng)業(yè)工程學(xué)報(bào),2008,24(7):301-305.

[6] 唐延林,王秀珍,王人潮.玉米高光譜及其紅邊特征分析[J].山地農(nóng)業(yè)生物學(xué)報(bào),2003,22(3):189-194.

[7] 譚昌偉,黃文江,金秀良,等.利用高光譜植被指數(shù)監(jiān)測(cè)緊湊型玉米葉綠素?zé)晒鈪?shù)Fv/Fm[J].光譜學(xué)與光譜分析,2012,32(5):1287-1291.

[8] 陳志強(qiáng),王磊,白由路,等.整個(gè)生育期玉米葉片SPAD高光譜預(yù)測(cè)模型研究[J].光譜學(xué)與光譜分析,2013,33(10):2838-2842.

[9] 孫陽(yáng)陽(yáng),汪國(guó)平,楊可明,等.玉米葉綠素含量高光譜反演的線性模型研究[J].山東農(nóng)業(yè)科學(xué),2015,47(7):117-121.

[10] 宋開山,張柏,王宗明,等.基于人工神經(jīng)網(wǎng)絡(luò)的大豆葉面積高光譜反演研究[J].中國(guó)農(nóng)業(yè)科學(xué),2006,39(6):1138-1145.

[11] 宋開山,張柏,王宗明,等.基于小波分析的大豆葉綠素a含量高光譜反演模型[J].植物生態(tài)學(xué)報(bào),2008,32(1):152-160.

[12] 吳瓊,齊波,趙團(tuán)結(jié),等.高光譜遙感估測(cè)大豆冠層生長(zhǎng)和籽粒產(chǎn)量的探討[J].作物學(xué)報(bào),2013,39(2):309-318.

[13] 馮偉.基于高光譜遙感的小麥氮素營(yíng)養(yǎng)及生長(zhǎng)指標(biāo)監(jiān)測(cè)研究[D].南京:南京農(nóng)業(yè)大學(xué),2007.

[14] 馮偉,朱艷,姚霞,等.基于高光譜遙感的小麥葉干重和葉面積指數(shù)監(jiān)測(cè)[J].植物生態(tài)學(xué)報(bào),2009,33(1):34-44.

[15] 梁亮,楊敏華,張連蓬,等.基于SVR算法的小麥冠層葉綠素含量高光譜反演[J].農(nóng)業(yè)工程學(xué)報(bào),2012,28(20):162-171.

[16] Caldwell M M, Dean T J, Nowak R S, et al. Bunchgrass architecture, light interception, and water-use efficiency: assessment by fiber optic point quadrats and gas exchange[J]. Oecologia, 1983, 59(2): 178-184.

[17] Christian F D D. Light-induced degradation of phA is promoted by transfer of the photoreceptor into the nucleus[J]. Plant Mol Biol, 2010, 73(6): 687-695.

[18] Chen M. Phytochrome nuclear body: an emerging model to study interphase nuclear dynamics and signaling[J]. Curr Opin Plant Biol, 2008, 11(5): 503-508.

[19] Franklin K A, Quail P H. Phytochrome function in Arabidopsis development[J]. J Exp Bot, 2010, 61(1): 11-24.

[20] 賈方方.不同光照處理對(duì)烤煙品質(zhì)的影響及氮化物的高光譜監(jiān)測(cè)研究[D].鄭州:河南農(nóng)業(yè)大學(xué),2013.

[21] 趙文.不同光照強(qiáng)度對(duì)烤煙煙堿、總氮的高光譜監(jiān)測(cè)及其品質(zhì)的影響研究[D].鄭州:河南農(nóng)業(yè)大學(xué),2014.

[22] 李國(guó)蕓,李志偉,甄煥菊,等.水分脅迫條件下煙草生理生化響應(yīng)研究進(jìn)展[J].中國(guó)農(nóng)學(xué)通報(bào),2007,23(9):298-301.

[23] Peuelas J, Filella I, Biel C, et al. The reflectance at the 950-970nm region as an indicator of plant water status[J]. International Journal of Remote Sensing, 1993, 14(10): 1887-1905.

[24] Danson F M. Red edge response to leaf area index[J]. International Journal of Remote Sensing, 1995, 16(1): 45-53.

[25] 賈方方,馬新明,李春明,等.不同水分處理對(duì)煙草葉片高光譜及紅邊特征的影響[J].中國(guó)生態(tài)農(nóng)業(yè)學(xué)報(bào),2011,19(6):1330-1335.

[26] 賈方方.不同水分狀況對(duì)烤煙高光譜特性及生理生化指標(biāo)的影響[D].鄭州:河南農(nóng)業(yè)大學(xué),2010.

[27] 賈方方,喬紅波,熊淑萍,等.不同水分處理對(duì)煙草冠層高光譜參數(shù)和生理指標(biāo)的影響[J].河南農(nóng)業(yè)大學(xué)學(xué)報(bào),2010,44(2):130-136.

[28] 李向陽(yáng).煙草高光譜特性與農(nóng)藝生理品質(zhì)指標(biāo)的關(guān)系和估測(cè)模型研究[D].鄭州:河南農(nóng)業(yè)大學(xué),2007.

[29] 王秀珍,王人潮,李云梅,等.不同氮素營(yíng)養(yǎng)水平的水稻冠層光譜紅邊參數(shù)及其應(yīng)用研究[J].浙江大學(xué)學(xué)報(bào):農(nóng)業(yè)與生命科學(xué)版,2001,27(3):301-306.

[30] 呂小娜.不同供氮水平烤煙冠層光譜特性及其農(nóng)學(xué)參數(shù)估測(cè)[D].成都:四川農(nóng)業(yè)大學(xué),2012.

[31] 李向陽(yáng),劉國(guó)順,楊永鋒,等.烤煙葉片高光譜參數(shù)與多種生理生化指標(biāo)關(guān)系研究[J].中國(guó)農(nóng)業(yè)科學(xué),2007,40(5):987-994.

[32] 郭曼.不同營(yíng)養(yǎng)水平農(nóng)作物光譜特性研究[D].楊凌:西北農(nóng)林科技大學(xué),2006.

[33] 王磊,白由路,楊俐蘋,等.春玉米磷素營(yíng)養(yǎng)的光譜響應(yīng)及診斷[J].植物營(yíng)養(yǎng)與肥料學(xué),2007,13(5):802-808.

[34] 劉國(guó)順,李向陽(yáng),劉大雙,等.利用冠層光譜估測(cè)煙草葉面積指數(shù)和地上生物[J].生態(tài)學(xué)報(bào),2007,27(5):1763-1771.

[35] 李佛琳.基于光譜的煙草生長(zhǎng)和品質(zhì)研究[D].南京:南京農(nóng)業(yè)大學(xué),2006.

[36] 殷全玉,楊伊檬,靳志偉.煙草葉片光譜特征及其光譜反射率的變化[J].河南科學(xué),2006,24(4):521-523.

[37] 牛錚,陳永華,隋洪智,等.葉片化學(xué)組分成像光譜遙感探測(cè)機(jī)理分析[J].遙感學(xué)報(bào),2000,4(2):125-130.

[38] 王梅.發(fā)病煙草的高光譜特征及其病害程度診斷模型研究[D].濟(jì)南:山東農(nóng)業(yè)大學(xué),2013.

[39] 劉大雙,劉國(guó)順,李向陽(yáng),等.TMV侵染后烤煙葉片色素含量高光譜估算模型研究[J].中國(guó)煙草學(xué)報(bào),2009,15(2):60-65.

[40] 劉大雙.煙草花葉病對(duì)煙草光譜特性的影響[D].鄭州:河南農(nóng)業(yè)大學(xué),2009.

[41] 喬紅波,蔣金煒,程登發(fā),等.煙蚜為害特征的高光譜比較[J].昆蟲知識(shí),2007,44(1):57-61.

[42] 王為.高光譜遙感技術(shù)的發(fā)展及其在農(nóng)業(yè)上的應(yīng)用[J].江西農(nóng)業(yè)學(xué)報(bào),2009,21(5):23-26.

[43] 靳涵丞,張洪亮,張軍,等.貴州南江3號(hào)煙葉全氮含量高光譜估算模型[J].貴州農(nóng)業(yè)科學(xué),2015,43(3):91-95.

[44] 張金恒,王珂,王人潮.高光譜評(píng)價(jià)植被葉綠素含量的研究進(jìn)展[J].上海交通大學(xué)學(xué)報(bào):農(nóng)業(yè)科學(xué)版,2003,21(1):74-80.

[45] 邢雪霞,劉國(guó)順,賈方方,等.烤煙葉片色素含量的高光譜預(yù)測(cè)模型研究[J].中國(guó)煙草學(xué)報(bào),2014,20(1):54-60.

[46] 黃智,昌宏濤,陳建國(guó),等.烤煙K326色素含量的高光譜估測(cè)研究[J].作物研究,2015,29(5):516-521,541.

[47] 付虎艷,靳涵丞,張洪亮,等.貴州喀斯特山區(qū)煙葉高光譜參數(shù)與葉綠素含量的關(guān)系[J].煙草科技,2015,48(2):21-26.

[48] Chen J M, Cihlar J. Retrieving leaf area index of boreal conifer forests using Landsat TM images[J]. Remote Sens Environ, 1996, 55: 153-162.

[49] Wiegand C L, Richardson A J, Kanemasu, et al. Leaf area estimates for wheat from Landsat and their implications for evapotranspiration and crop modeling[J]. Agronomy Journal, 1979, 71(2): 336-342.

[50] Guan J, Nutter F W. Relationships between defoliation, leaf area index, canopy reflectance, and forage yield in the alfalfa-leaf spot pathosystem[J]. Computer and Electronics in Agriculture, 2002, 37(13): 97-112.

[51] Imanishi J, Sugimoto K, Morimoto Y. Detecting drought status and LAI of two Quercus species canopies using derivative spectra[J]. Computer and Electronics in Agriculture, 2004, 43(2): 109-129.

[52] Jiang J J, Chen S Z, Cao S X, et al. Leaf area index retrieval based on canopy reflectance and vegetation index in eastern China[J]. Journal of Geographical Sciences, 2005, 15(2): 247-254.

[53] 張正楊,馬新明,賈方方,等.煙草葉面積指數(shù)的高光譜估算模型[J].生態(tài)學(xué)報(bào),2012,32(1):169-175.

[54] 李佛琳,趙春江,王紀(jì)華,等.一種基于反射光譜的烤煙鮮煙葉成熟度測(cè)定方法[J].西南大學(xué)學(xué)報(bào):自然科學(xué)版,2008,30(10):51-55.

[55] 余志虹,陳建軍,呂永華,等.利用煙葉光譜植被指數(shù)快速監(jiān)測(cè)烤煙成熟度[J].煙草科技,2013(2):77-82.

[56] 梁寅.基于高光譜遙感的云煙87采收成熟度識(shí)別研究[D].昆明:昆明理工大學(xué),2013.

[57] 李俊麗.不同氮素水平對(duì)烤煙高光譜特性及其生理生化指標(biāo)的影響[D].鄭州:河南農(nóng)業(yè)大學(xué),2013.

(責(zé)任編輯：許晶晶)

收稿日期：2015-12-03

作者簡(jiǎn)介：沈雪婷(1989─)，女，河南洛陽(yáng)人，碩士研究生，主要從事煙草栽培技術(shù)研究。

中圖分類號(hào)：S572.37

文獻(xiàn)標(biāo)志碼：A

文章編號(hào)：1001-8581(2016)07-0078-05

Review on Application of Hyperspectral Remote Sensing in Tobacco

SHEN Xue-ting, LING Ping, PENG Tao-jun, SHAN Qian, SU Peng-fei, ZHENG Mi

(Anfu Branch of Ji’an Tobacco Company in Jiangxi Province, Anfu 343200, China)

Abstract：Several factors influencing the spectral characteristics of tobacco were reviewed, the application of hyperspectral remote sensing technology in tobacco were introduced, and the future applications of hyperspectral remote sensing in tobacco production were prospected.

Key words：Tobacco; Hyperspectrum; Remote sensing; Monitoring model