高光譜技術在煙草中的應用研究進展

黃*

（1湖南農(nóng)業(yè)大學生物科學技術學院，長沙410128；2湖南農(nóng)業(yè)大學農(nóng)學院，長沙410128）

高光譜技術在煙草中的應用研究進展

黃智1，陳建國2，昌宏濤2，朱列書2*

（1湖南農(nóng)業(yè)大學生物科學技術學院，長沙410128；2湖南農(nóng)業(yè)大學農(nóng)學院，長沙410128）

摘 要：隨著遙感技術的快速發(fā)展，以光譜技術為核心的無損監(jiān)測技術成為國內(nèi)外研究的熱點，并在農(nóng)業(yè)領域得到了廣泛應用。綜述了水肥因素、品種差異、不同時期和葉位對煙葉冠層和葉片光譜的影響，以及高光譜技術在煙草葉面積指數(shù)、病蟲害、產(chǎn)量和品質(zhì)監(jiān)測中的應用，以期為高光譜技術指導煙草生產(chǎn)提供一定的參考。

關鍵詞：煙草；高光譜；葉面積指數(shù)；病蟲害；產(chǎn)量；品質(zhì)

高光譜遙感技術是農(nóng)業(yè)遙感應用中的重要前沿技術手段之一。該技術始于20世紀80年代［1］，是指利用很多波段小于10 nm的電磁波從感興趣的媒介上獲取有關的數(shù)據(jù)，能產(chǎn)生一條完整而連續(xù)的光譜曲線。隨著遙感技術的快速發(fā)展，以光譜技術為核心的無損監(jiān)測技術成為國內(nèi)外研究的熱點［2～4］。高光譜技術本身具有大量的數(shù)據(jù)信息，加上一階導數(shù)、二階導數(shù)、對數(shù)變換和高光譜特征參數(shù)，其信息量增加了數(shù)百倍，因此得到了快速的發(fā)展和廣泛的應用，在作物分類識別、葉片光譜特征研究、生態(tài)物理參數(shù)反演與提取、養(yǎng)分診斷與監(jiān)測研究、長勢監(jiān)測與產(chǎn)量預測、農(nóng)業(yè)遙感信息模型研究和農(nóng)業(yè)災害監(jiān)測等方面取得了較大的進展［5］，特別是在水稻［6，7］、小麥［8］、玉米［9］、大豆［10］等農(nóng)作物上已經(jīng)進行了廣泛的研究和應用，而在煙草中研究應用起步較晚。煙草是我國重要的經(jīng)濟作物之一，年種植面積超過100萬公頃。而近年來煙草生產(chǎn)上過度施肥和農(nóng)藥、除草劑的濫用等，不僅造成煙葉品質(zhì)的下降，同時也對環(huán)境造成了嚴重的負荷。利用高光譜技術對煙草冠層和葉片信息進行無損精確提取，對煙草生長，科學施肥和管理，提高煙葉品質(zhì)和減少環(huán)境負荷具有重要意義。近年來，高光譜技術在煙草上的研究進入快速發(fā)展階段，并篩選出了一些監(jiān)測參數(shù)和估算模型，但是要投入生產(chǎn)應用還需要更加全面和深入的研究。本文綜述了高光譜技術在煙草上的研究進展，以為高光譜技術指導煙草生產(chǎn)提供一定的理論和指導。

1　煙草的光譜特征及影響因素

煙草與其他植物一樣具有典型的植物光譜反射特征。植物的光譜特征主要是由其化學和形態(tài)學特征決定的［11］。煙草光譜特征隨著水肥管理、品種類型、生育時期、葉片部位等因素不同而有很大差異。

1.1水肥因素對煙草光譜特征的影響

水肥是影響煙葉生長和品質(zhì)的重要因子。水分條件和肥料因素的不同對煙草光譜特征會產(chǎn)生很大影響。不同水分處理對煙草冠層和煙葉的光譜反射率有顯著的影響。隨著土壤含水量的增加，煙草冠層光譜的“紅移”和“藍移”現(xiàn)象更加明顯，同時冠層紅邊一階光譜的“雙峰”現(xiàn)象越明顯［12，13］。這是由于水分因素直接影響了煙葉的內(nèi)部和外部的理化性狀，從而間接影響煙草的光譜特征［14］。肥料因素也是影響煙草光譜特性的重要因子。隨著施氮水平的增加，煙草在可見光內(nèi)的冠層光譜反射率降低，在綠光波段內(nèi)最為明顯，在近紅外光波段內(nèi)的光層光譜反射率增加［15～17］，這分別是由于烤煙的葉綠素含量和葉片冠層結構組織的差異造成的。隨著施鉀水平的增加，煙草的光譜反射率降低，在綠光波段最為明顯［15］。水分和肥料因素對煙草光譜的影響還存在一定的交互作用。張正楊［18］研究了水氮互作下煙草的高光譜特性，結果表明，在施氮水平一致的條件下，烤煙冠層在近紅外波段的光譜反射率隨著土壤水分的增加而增加；而在水分因素一致的條件下，隨著施氮水平的增加，烤煙冠層和葉片的光譜反射率呈整體下降的趨勢。這是由于氮肥增加了煙葉的葉綠素含量，從而導致了烤煙葉片對光的強烈吸收，在近紅外光波段內(nèi)，隨著施氮水平的增加，烤煙冠層和葉片的光譜反射率呈增加的趨勢；不同水分和施氮水平組合下，烤煙光譜隨土壤水分變化基本一致。

1.2不同類型和品種煙草的光譜特征差異

不同煙草類型和品種的光譜特征也不同?，F(xiàn)有研究表明，不同類型煙草的光譜反射率一般是白肋煙大于烤煙大于香料煙，但是在不同波段內(nèi)不同類型的煙呈現(xiàn)的差異度不一樣。劉國順等［16］對白肋煙、香料煙和烤煙3種煙的冠層光譜特征進行了研究，結果表明在近紅外光和綠光波段內(nèi)，3種類型的煙草冠層光譜反射率為白肋煙大于烤煙大于香料煙。李向陽［19］的研究顯示，這3類煙在可見光內(nèi)差異不明顯，在近紅外光內(nèi)有較大的差異，在綠光波段內(nèi)的差異主要是由于不同品種類型的葉綠素和植被指數(shù)的不同造成的，在近紅外光波段內(nèi)的差異主要受煙葉冠層結構和葉片反射率的影響。不同研究者由于實驗條件不同而導致研究結果有差異。李佛琳［20］對烤煙、白肋煙和香料煙的冠層光譜特征進行了比較研究，結果表明白肋煙在近紅外波段內(nèi)的冠層光譜反射率均高于其他類型，而在可見光波段內(nèi)香料煙的冠層光譜反射率大于烤煙，在近紅外光波段內(nèi)則是烤煙大于香料煙。

不同烤煙品種之間的光譜特征也存在很大差異。張正楊等［21］對云煙87和K326兩個品種的烤煙冠層光譜特征研究表明，云煙85的冠層光譜反射率均高于K326。殷全玉等［22］對中煙101和云煙87兩個品種的葉片反射光譜進行了研究，在近紅外波段表現(xiàn)出較明顯的差異，云煙87葉片的反射率大于中煙101?，F(xiàn)有研究對烤煙K326的光譜特征研究較多，其次是云煙系列，而對其他品種的研究較缺乏，特別是缺乏對生產(chǎn)上典型煙葉品種的系統(tǒng)性研究。

1.3不同生育時期煙草的光譜特性差異

不同生育時期煙草冠層和煙葉光譜反射率存在很大差異。在可見光和近紅外光波段內(nèi)，隨著生育期的后移煙葉的光譜反射率逐漸升高，這種趨勢在可見光波段內(nèi)尤為明顯，這與煙葉生長特性相關。在煙葉移栽后，煙葉進入快速生長階段，使得單位面積煙葉上的葉綠素含量減少，導致葉片吸收的紅光和藍光減少，所以可見光內(nèi)的光譜反射率增加。在煙葉成熟時期，葉綠素被大量分解破壞，導致煙葉在可見光波段內(nèi)對光波的吸收進一步降低，從而使煙葉光譜反射率增加。隨著煙葉的生長，葉片細胞組織結構更加充實，葉肉細胞之間空氣作用力增加，折射率急劇變化導致進行光反射的面數(shù)量增加，從而近紅外波段的光譜反射率呈隨著生育期推進逐漸增加的趨勢［19，23］。

1.4煙草葉位的光譜特征差異

同一植株煙草不同部位葉片的光譜反射率存在較大的差異。在可見光內(nèi)，煙葉的光譜反射率為下部葉大于中部葉大于上部葉，在近紅外光波段內(nèi)則相反［19，22］。這是由于在可見光波段內(nèi)處于植株上部的煙葉積累的葉綠素較少的緣故，而近紅外波段內(nèi)的差異主要是由于不同部位煙葉的細胞結構不同造成的，越上部的煙葉細胞結構組織越致密，而細胞排列越緊密則光譜反射率越高［24，25］。另外，同一葉片的不同部位的光譜反射率也存在差異。李佛琳［20］研究表明，在綠光波段內(nèi)，葉片的光譜反射率從葉基到葉尖、從中心到邊緣逐漸增加。

2　高光譜技術在煙草中的應用進展

高光譜技術在煙草中的研究主要集中在冠層與葉片水平。通常利用原始光譜反射率、一階二階微分變換、對數(shù)變換、植被指數(shù)、高光譜參數(shù)等為自變量，與煙草的葉面積指數(shù)、生物量、品質(zhì)指標等為因變量建立預測模型，通過反演，對煙草的生長和煙葉品質(zhì)進行估算和監(jiān)測。

2.1葉面積指數(shù)的監(jiān)測

葉面積指數(shù)（LAI）是反應作物冠層結構的重要指標。利用高光譜遙感技術來反演葉面積指數(shù)［26，27］，通常在遙感技術上用于估測產(chǎn)量和土壤水分蒸發(fā)蒸騰量模型的輸出參數(shù)［28，29］，對作物的生長狀況與病蟲害監(jiān)測、產(chǎn)量估算以及田間管理也具有重要意義。利用高光譜遙感估測作物葉面積指數(shù)提取出了不同的敏感區(qū)域和不同波段組合的植被指數(shù)，建立相關模型反演LAI，從而快速無損的獲取作物的葉片生長信息，特別是煙草這種以葉片為收獲對象的闊葉型植物更具有研究意義。張正楊等［21］利用歸一化植被指數(shù)（NDVI）、比值植被指數(shù)（RVI）、修改型土壤調(diào)整植被指數(shù)（MSAVI）和修改型二次三角植被指數(shù)（MTVI2）4個常用植被指數(shù)反演LAI，表明4個指數(shù)均能取得較為理想的效果。劉國順等［16］綜合了煙草類型和肥料處理因素，分析了17種光譜變量與LAI的關系，通過建立回歸模型進行估測并篩選出了Rg/Rr、λr、Rg3個高光譜參數(shù)作為煙草葉面積指數(shù)的特征變量，其中Rg/Rr的復確定系數(shù)R2最高為0.777，達到極顯著水平，通過反演檢驗證明回歸模型的可靠性。

2.2病蟲害監(jiān)測

當植物受到病蟲危害時，葉片的顏色、結構和外觀形態(tài)都會發(fā)生改變，從而引起葉片的反射率發(fā)生變化。如果害蟲采食葉片或引起葉片卷曲和脫落，同樣也會引起光譜特征曲線的變化，這樣就可以通過監(jiān)測寄主植物的光譜曲線變化來監(jiān)測病蟲害的發(fā)生情況。喬紅波等［30］研究了3種危害程度：輕（單株頂尖和上部5片葉蚜量≤15頭）、中（15頭≤單株頂尖和上部5片葉蚜量≤50頭）和重（單株頂尖和上部5片葉蚜量≥50頭）的煙蚜危害下煙草的光譜特征。結果表明，煙蚜會造成煙草光譜反射率的下降，在近紅外波段尤為明顯。輕中重3種危害程度的煙葉在綠光波段光譜反射率分別下降12%、27%和52%，在近紅外波段光譜反射率分別下降15%、20%和38%，一階導數(shù)光譜反射率最大值隨著蚜量增加而下降，并建立了煙蚜危害下煙葉光譜反射率和葉綠素SPAD值之間在綠光、紅光、藍光和近紅外光波段內(nèi)的線性擬合回歸方程，SPAD值越大，光譜反射率越高，各模型均能較好地擬合反射率與SPAD之間的關系（p＜0.000 1），其中在綠光波段建立的擬合方程擬合效果最好。煙蚜危害造成葉綠素含量下降，煙葉光合作用強度也隨之降低，SPAD值越大，光譜反射率越高，因此可以監(jiān)測煙草生產(chǎn)中病蟲害的發(fā)生，從而確定防治時期以及防治措施。

2.3產(chǎn)量估算

煙草地上生物量是反應煙草代謝狀況和光合作用的重要指標。眾多研究表明，通過提取高光譜變量，根據(jù)數(shù)據(jù)條件建立有效的估測模型可以對煙草的產(chǎn)量進行監(jiān)測。李向陽［19］的研究表明，與干、鮮重關系最密切的光譜特征變量分別是Rg/Rr。劉國順［16］分析了17種光譜變量與煙草地上鮮生物量和干生物量的關系，通過建立回歸模型進行估測并篩選出了Rg/Rr、λr兩個高光譜參數(shù)作為地上生物量的特征變量，其中Rg/Rr的復確定系數(shù)R2最高，達到極顯著水平，鮮生物量和干生物量分別為0.640和0.620，并通過反演檢驗證明回歸模型的可靠性。

2.4品質(zhì)監(jiān)測

高光譜與煙葉的生理生化指標、礦質(zhì)元素指標和烤煙品質(zhì)指標都有一定的相關性，通過逐步回歸分析建立估算和監(jiān)測模型，可以快速獲得烤煙各種指標值，適時指導生產(chǎn)。李向陽［19］通過設置不同類型煙草、不同烤煙品種、不同氮磷鉀使用量處理試驗篩選出了與總氮、葉綠素a、葉綠素b、類胡蘿卜素含量與總量等生理生化指標關系最為密切的光譜特征變量Rg/Rr，并建立多種生理生化指標的監(jiān)測模型。同時他還對高光譜的27種參數(shù)與礦質(zhì)元素指標（鈣、鉀、鎂、硼、銅、鐵、錳、鈉、磷、鋅等10種元素）進行了回歸建模，均取得了較好的估測效果。王建偉等［17］對烤煙葉片葉綠素含量和光譜參數(shù)進行了相關分析，將煙草冠層、鮮煙葉和烤后煙葉的高光譜參數(shù)分別與烤后煙葉的化學指標和香氣成分指標相結合，建立了相關的估測模型。李佛琳［20］分析了煙葉光譜與化學品質(zhì)指標之間的關系并篩選出了與煙葉氮、鉀、煙堿、總糖含量顯著相關的光譜特征參數(shù)，建立了診斷模型。李向陽［19］研究表明，煙堿含量與葉片光譜反射率和一階導數(shù)光譜反射率具有一定的相關性，提取了與煙堿呈顯著相關的1 190個光譜反射率和997個一階導數(shù)光譜反射率的波段，以及極顯著相關的光譜特征變量參數(shù)λr、λy，SDr、λr/λb，但是對這些特征變量進行回歸模型建立和分析表明對煙堿含量的估測效果不理想，而一階導數(shù)光譜的回歸方程具有較好的估測效果。

3　研究展望

研究表明，水肥因素、品種類型、生育時期等都對煙草光譜特征存在一定的影響，利用高光譜技術可以對煙草的長勢、養(yǎng)分狀況、煙葉的產(chǎn)量和品質(zhì)進行較為準確的診斷和監(jiān)測，具有廣闊的應用前景。目前，高光譜技術在煙草中開展了更加廣泛的研究，提出了一系列的監(jiān)測和估算模型，但是由于每種模型都有特定的研究方法和適用條件，很難找到通用的模型，因此還需要建立更加全面和更大規(guī)模的樣本參數(shù)進行修正，以降低實際生產(chǎn)中的品種類型、生態(tài)條件和栽培管理的差異。今后煙草高光譜技術的研究要著重完善和擴充煙草光譜數(shù)據(jù)庫，加強高光譜相關數(shù)據(jù)的采集和挖掘，并加強與GIS、GPS技術的結合應用，推動高光譜技術在煙草中的應用。

參考文獻：

［1］ 吳 見，彭道黎.高光譜遙感林業(yè)信息提取技術研究進展［J］.光譜學與光譜分析，2011，31（9）：2305-2312.

［2］ 李映雪，朱 艷，戴廷波，等.小麥葉面積指數(shù)與冠層反射光譜的定量關系［J］.應用生態(tài)學報，2006，17（8）：1443-1447.

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

［4］ 白 珂.不同海拔高度及生態(tài)因子對煙草光譜的影響［D］.長沙：湖南農(nóng)業(yè)大學碩士學位論文，2012.

［5］ 姚云軍，秦其明，張自力，等.高光譜技術在農(nóng)業(yè)遙感中的應用研究進展［J］.農(nóng)業(yè)工程學報，2008，24（7）：301-305.

［6］ Tian YC，Gu KJ，Chu X，et al.Comparison of different hyperspectral vegetation indices for canopy leaf nitrogen concentration estimation in rice［J］.Plant and Soil，2013，376：193-209.

［7］ 覃 夏，王紹華，薛利紅.江西鷹潭地區(qū)早稻氮素營養(yǎng)光譜診斷模型的構建與應用［J］.中國農(nóng)業(yè)科學，2011，44（4）：691-698.

［8］ 陳云浩，蔣金豹，黃文江，等.主成分分析法與植被指數(shù)經(jīng)驗方法估測冬小麥條銹病嚴重度的對比研究［J］.光譜學與光譜分析，2009，29（8）：2161-2165.

［9］ 易秋香，黃敬峰，王秀珍，等.玉米全氮含量高光譜遙感估算模型研究［J］.農(nóng)業(yè)工程學報，2010，22（9）：138 -142.

［10］宋開山，張 柏，李 方，等.高光譜反射率與大豆葉面積及地上鮮生物量的相關分析［J］.農(nóng)業(yè)工程學報，2005，21（1）：36-40.

［11］Yang H.Spectral characteristics ofwheat associated with hydrocarbon microseepages［J］.International Journal of Remote Sensing，1999，20（4）：807-813.

［12］賈方方.不同水分狀況對烤煙高光譜特性及生理生化指標的影響［D］.鄭州：河南農(nóng)業(yè)大學碩士學位論文，2010.

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

［14］李國蕓，李志偉，甄煥菊，等.水分脅迫條件下煙草生理生化響應研究進展［J］.中國農(nóng)學通報，2007，23（9）：298-301.

［15］李向陽，劉國順，楊永鋒，等.烤煙葉片高光譜參數(shù)與多種生理生化指標關系研究［J］.中國農(nóng)業(yè)科學，2007，40（5）：987-994.

［16］劉國順，李向陽，劉大雙，等.利用冠層光譜估測煙草葉面積指數(shù)和地上生物量［J］.生態(tài)學報，2007，27（5）：1763-1771.

［17］王建偉，薛超群，周漢平，等.烤煙冠層光譜參數(shù)與葉片葉綠素含量的相關分析［J］.生態(tài)學雜志，2010，29（5）：876-880.

［18］張正楊.基于水氮互作的煙草高光譜特性及估測模型研究［D］.鄭州：河南農(nóng)業(yè)大學碩士學位論文，2011.

［19］李向陽.煙草高光譜特性與農(nóng)藝生理品質(zhì)指標的關系和估測模型研究［D］.鄭州：河南農(nóng)業(yè)大學碩士學位論文，2007.

［20］李佛琳.基于光譜的煙草生長和品質(zhì)研究［D］.南京：南京農(nóng)業(yè)大學碩士學位論文，2006.

［21］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)學報，2012，32（1）：168-174.

［22］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，2006，24（4）：521-523.

［23］張金恒，王 珂，王人潮.高光譜評價植被葉綠素含量的研究進展［J］.上海交通大學學報（農(nóng)業(yè)科學版），2003，21（1）：74-79.

［24］張樹堂，楊雪彪，王亞軍.不同成熟度烤煙鮮煙葉的組織結構比較［J］.煙草科技，2005（1）：37-79.

［25］Slaton MR，Hunt ER，SmithWK，etal.Estimating nearinfrared leaf reflectance from leaf structural characteristics［J］.American Journal of Botany，2001，88：278-284.

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

［27］Jiang JJ，Chen SZ，Cao SX，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.

［28］Chen JM，Cihlar J.Retrieving leaf area index of boreal conifer forests using Landsat TM images［J］.Remote Sensing of Environment，1996，55：153-162.

［29］W iegand CL，Richardson AJ，Kanemasu ET.Leaf area index estimates forwheat from LANDSAT and their implications for evapotranspiration and cropmodeling［J］.Agronomy Journal，1979，71：336-342.

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

中圖分類號：S127；S572

文獻標識碼：A

文章編號：1001-5280（2015）01-0106-05

DO I：10.3969/j.issn.1001-5280.2015.01.25

收稿日期：2014 11- 19

作者簡介：黃 智（1988-），男，湖南常德人，碩士研究生，Email：huang19881119@126.com。*通信作者：Email：zls5888@yahoo.com.cn。

Research Progress on App lication of Hyperspectral Technology in Tobacco

HUANG Zhi1，CHEN Jian-guo2，CHANG Hong-tao2，ZHU Lie-shu2*
（1 College of Bio-science&Technology，Hunan Agricultural University，Changsha，Hunan 410128，China；2 College of Agronomy，Hunan Agricultural University，Changsha，Hunan 410128，China）

Abstract：With the rapid development of remote sensing technology，non-destructivemonitoring technology with spectral technology as core has become a hotspot at home and abroad，and it has been widely applied in the agricultural field.This paper reviewed the effect of water and fertilizer，varieties，different periods and leaf position on spectra of tobacco canopy and leaves，and the application of hyperspectral technology in monitoring of leaf area index，pests and insects，yield and quality，in order to provide reference on application of hyperspectral technology in tobacco production.

Keywords：tobacco；hyperspectral；LAI；pest and disease；yield；quality