遙感在煙草種植監(jiān)測及管理中的應(yīng)用展望

陶健，申國明，徐宜民，梁洪波

中國農(nóng)業(yè)科學(xué)院煙草研究所，青島市嶗山區(qū)科苑經(jīng)四路11號 266101

遙感在煙草種植監(jiān)測及管理中的應(yīng)用展望

陶健，申國明，徐宜民，梁洪波

中國農(nóng)業(yè)科學(xué)院煙草研究所，青島市嶗山區(qū)科苑經(jīng)四路11號 266101

對我國1978-2012年間煙草種植面積及產(chǎn)量的變化趨勢進行分析，說明了遙感在煙草種植監(jiān)測及管理中應(yīng)用的緊迫性；綜述了遙感在農(nóng)作物種植監(jiān)測及管理中的應(yīng)用，并以煙草的相似作物玉米為例簡介了我國的研究進展；展望了遙感在煙草作物種植監(jiān)測及田間管理中的應(yīng)用途徑和相應(yīng)方法，討論了應(yīng)用過程中所需注意的問題。

煙草；種植監(jiān)測；田間管理；遙感

煙草種植信息是煙草生產(chǎn)管理的重要依據(jù)，能夠為我國煙葉種植及收購管控提供決策支持[1-3]。我國煙草種植面積大、分布范圍廣，采用常規(guī)的地面調(diào)查方法進行監(jiān)管，不僅耗時費力，更易受人為因素影響產(chǎn)生誤差，難以對煙草生長和田間管理進行實時監(jiān)測。遙感技術(shù)由于其覆蓋面積大、獲取信息速度快、周期短、實時性強、不受地面條件限制，與人工常規(guī)的地面調(diào)查與統(tǒng)計相比具有費用低等優(yōu)點，已經(jīng)在農(nóng)學(xué)領(lǐng)域得到廣泛應(yīng)用[4-6]。遙感在我國煙田空間信息提取中已得到初步應(yīng)用，但在種植監(jiān)測及田間管理中的研究卻鮮見報道。鑒于此，本文首先對我國2012年前的煙草發(fā)展趨勢進行分析，以此說明遙感應(yīng)用的緊迫性，然后借鑒遙感在國內(nèi)外農(nóng)作物監(jiān)測和管理中的應(yīng)用，展望遙感在煙草種植監(jiān)測和田間管理中的應(yīng)用前景。

1 我國煙草種植監(jiān)管面臨的問題

根據(jù)2013年統(tǒng)計數(shù)據(jù)顯示，我國煙草種植面積在20世紀(jì)70至90年代迅速擴大，1998年后穩(wěn)定在1.50×106hm2左右，其中云南、貴州、河南、四川、湖南5省面積均在1.10×105hm2以上[7]。煙葉年產(chǎn)量從1998年開始穩(wěn)定上升（速率：6.40×107t/yr/yr，p＜0.001）， 至 2012年 達 到 3.41×106t/yr，其中云南、貴州、河南3省產(chǎn)量均超過了3.00×105t/yr，四川、湖南、福建、湖北、重慶、山東6省產(chǎn)量在1.00-3.00×105t/yr之間。單位面積煙葉產(chǎn)量自1994年開始迅速上升（速率：35.29 kg/hm2/yr，p＜0.001），且呈明顯的南北差異，北方大部分省份在2.00×103kg/hm2以上，南方省份則低于2.00×103kg/hm2。

由數(shù)據(jù)可知，我國煙草種植面積大、范圍廣，氣候、土壤等要素的時間和空間差異非常大，因此對煙草種植進行科學(xué)準(zhǔn)確地監(jiān)測及管理的難度較大。我國當(dāng)前的監(jiān)管方式仍舊側(cè)重于人工地面調(diào)查的傳統(tǒng)方式，現(xiàn)代管理技術(shù)較為薄弱。

（1）煙田空間信息依靠人工測量，種植監(jiān)控采用人工巡查及群眾舉報等措施，耗費人力物力，無法做到百分之百到位。

（2）欠缺精細(xì)化管理，田間耕作管理仍按農(nóng)戶經(jīng)驗，缺乏對煙葉長勢及土壤墑情的準(zhǔn)確掌握，易對煙葉品質(zhì)產(chǎn)生影響。

（3）病蟲害預(yù)報及災(zāi)后評估手段滯后，病蟲害監(jiān)測預(yù)報技術(shù)尚需完善，災(zāi)后評估仍依賴田間調(diào)查或農(nóng)戶上報數(shù)據(jù)，精度較低，評估進展較慢。

（4）煙葉產(chǎn)量依據(jù)種植合同進行統(tǒng)計，誤差較大，煙葉品質(zhì)僅在收購時進行評價，種植過程中缺乏品質(zhì)監(jiān)控預(yù)測。

綜上所述，我國煙草種植監(jiān)測及管理迫切需要更為合理、科學(xué)、準(zhǔn)確的方法，遙感在國內(nèi)外農(nóng)作物監(jiān)測及管理中的成功應(yīng)用，為我國煙草種植監(jiān)管提供了合理而科學(xué)的借鑒。

2 遙感在農(nóng)作物監(jiān)管中的應(yīng)用進展

在20世紀(jì)70年代，學(xué)者們發(fā)現(xiàn)了作物冠層光譜特性與其生長和產(chǎn)量之間的關(guān)系[8]。美國和歐盟分別于20世紀(jì)70年代和80年代開始將遙感應(yīng)用于農(nóng)作物監(jiān)測和管理，我國也已系統(tǒng)地建立了國家級農(nóng)情遙感速報系統(tǒng)[9]。當(dāng)前，遙感在農(nóng)作物監(jiān)測及管理中的應(yīng)用集中在長勢及土壤墑情監(jiān)測、病蟲害監(jiān)測、農(nóng)作物產(chǎn)量估算等方面，其中使用最為廣泛的是植被指數(shù)，如歸一化差異植被指數(shù)（NDVI）[10-12]。

2.1 遙感植被指數(shù)

植物葉片對不同波段光譜的吸收和反射特性不同，如葉片對藍光及紅光波段有強烈的吸收作用，而對綠光及近紅外波段有強烈的反射作用，人們利用該特點發(fā)展了不同的植被指數(shù)對地表植被進行定量化表達及量測[13]。

植被指數(shù)的發(fā)展可以分為三個階段：第一階段，植被指數(shù)僅采用不同波段的簡單線性組合，沒有考慮大氣和地表土壤等因素的影響；第二階段，考慮了輻射傳輸過程、大氣-植被-土壤相互作用，通過數(shù)學(xué)和物理方法對植被指數(shù)進行改進；第三階段，結(jié)合高光譜遙感及熱紅外遙感發(fā)展新型指數(shù)，能夠反映植物的不同理化指標(biāo)。應(yīng)用較為普遍的遙感數(shù)據(jù)主要來源于增強型甚高分辨率遙感器（NOAA/AVHRR）、海洋觀測寬視場傳感器（SeaWIFS）、可見光紅外成像光譜儀（VIIRS）、地球觀測系統(tǒng)（SPOT）、中尺度分辨率成像光譜儀（MODIS）及陸地資源衛(wèi)星（Landsat）等，各種植被指數(shù)產(chǎn)品的空間分辨率為30 m～8 km（表1）。

表1 代表性衛(wèi)星遙感數(shù)據(jù)特性簡介Tab. 1 List of representative remote sensing data

2.2 農(nóng)作物長勢及土壤墑情監(jiān)測

長勢監(jiān)測主要基于植被指數(shù)，將農(nóng)作物當(dāng)前情形與前段時刻或正常時刻的情形進行對比，以監(jiān)測異常情況；土壤墑情監(jiān)測主要基于遙感陸面溫度或反演土壤含水量進行監(jiān)測[14-15]。在我國，長勢及土壤墑情的遙感監(jiān)測研究集中在小麥、水稻、玉米、棉花等作物[16-17]。研究表明，結(jié)合溫度、降水等輔助指標(biāo)或采用多個植被指數(shù)組合能夠有效地提高對農(nóng)作物長勢及土壤墑情監(jiān)測的準(zhǔn)確性，將長勢及土壤墑情監(jiān)測信息與作物生長模型耦合能夠增強農(nóng)作物估產(chǎn)的精度[18-21]。以煙草的相似作物玉米為例，雖然采用單一植被指數(shù)能夠較好地實現(xiàn)對玉米長勢及土壤墑情的動態(tài)監(jiān)測，但由于種植區(qū)域水熱條件變異性較大，結(jié)合生物氣候?qū)W指標(biāo)能夠顯著提高監(jiān)測的準(zhǔn)確性[22]。

2.3 病蟲害監(jiān)測

農(nóng)業(yè)病蟲害對農(nóng)作物造成的影響可以分為內(nèi)部生理變化及外部形態(tài)變化兩種：內(nèi)部生理變化主要表現(xiàn)在葉片細(xì)胞結(jié)構(gòu)、水分及不同元素含量的變化，導(dǎo)致葉片自身生理性狀的變化；外部形態(tài)變化主要包括農(nóng)作物植株上的葉片卷曲、枯萎、掉落及葉片受損，導(dǎo)致冠層植被指數(shù)、覆蓋度、生物量變化[23]。農(nóng)作物病蟲害的遙感監(jiān)測，主要利用受災(zāi)農(nóng)作物的光譜變化對受災(zāi)區(qū)域進行準(zhǔn)確定位，并對受災(zāi)程度進行定量化評估。

采用光譜儀在田間調(diào)查發(fā)現(xiàn)，農(nóng)作物遭受不同病蟲害干擾后可以采用特定波段光譜的異常加以診斷。小麥?zhǔn)馨追鄄?、赤霉病等病害干擾時，在490～1300 nm波段多處均表現(xiàn)出光譜異常[24-25]；采用植被指數(shù)能夠?qū)π←湕l銹病等病害進行有效診斷，決定系數(shù)在0.75以上[26]。以煙草的相似作物玉米為例，玉米受彎孢菌葉斑病侵害后，冠層反射率在紅光波段升高，近紅外波段下降；受亞洲玉米螟危害后，冠層反射率在近紅外波段下降，并且依據(jù)光譜異變能夠?qū)Ξa(chǎn)量損失率進行精確估測[27]。

2.4 遙感估產(chǎn)

農(nóng)作物遙感估產(chǎn)主要有兩種途徑，一是建立產(chǎn)量調(diào)查數(shù)據(jù)與植被指數(shù)間的簡單線性關(guān)系來估產(chǎn)[28]；二是作為遙感模型或過程模型的參數(shù)數(shù)據(jù)，模擬區(qū)域農(nóng)作物產(chǎn)量[29-30]。在我國，采用線性統(tǒng)計方法進行農(nóng)作物估產(chǎn)的應(yīng)用較為廣泛，我國的作物生長模型自20世紀(jì)80年代開始發(fā)展，90年代開始改進以適用于我國的作物生長模擬模型[31-32]。將遙感數(shù)據(jù)引入作物生長模型中，既發(fā)揮了作物生長模型的過程優(yōu)勢，又利用了遙感數(shù)據(jù)的實時性特點，大幅提高了監(jiān)測和預(yù)報精度[33]。以煙草的相似作物玉米為例，我國學(xué)者采用遙感數(shù)據(jù)，分別對東北地區(qū)、華北地區(qū)、關(guān)中平原地區(qū)及黃淮海地區(qū)等玉米產(chǎn)區(qū)的種植面積、長勢及產(chǎn)量進行了深入研究[34]。此外，還采用高光譜遙感對玉米葉片氮、磷等元素含量進行估算，這為基于元素含量采用遙感手段進行煙葉品質(zhì)分級提供了有力的科學(xué)借鑒[35-36]。

3 煙草遙感估產(chǎn)展望

作為典型的雙子葉作物，煙草的光譜特性非常適于衛(wèi)星傳感器捕捉，國際上很多煙草大國已經(jīng)將遙感手段應(yīng)用于煙草種植監(jiān)管中，為政府的進出口管理及種植補貼政策的制定提供科學(xué)依據(jù)[37-39]。我國學(xué)者的相關(guān)研究主要集中在煙田空間信息提取及田間光譜觀測，在區(qū)域監(jiān)測及田間管理方面的研究還有待進一步發(fā)展[40-42]。

3.1 空間信息提取

煙田位置及面積等空間信息是制定種植政策、實現(xiàn)煙葉種植、收購管控的科學(xué)依據(jù)，也是煙田生態(tài)系統(tǒng)研究的數(shù)據(jù)基礎(chǔ)?；诠趯庸庾V特性采用遙感數(shù)據(jù)能夠有效地提取煙田空間信息，進行實時監(jiān)測（圖1），大大簡化了人工調(diào)查的繁瑣步驟和冗長時間[43]。并且，基于該數(shù)據(jù)，結(jié)合氣象、土壤等指標(biāo)進行煙田等級劃分，可以為煙葉產(chǎn)量控制、品質(zhì)提升等管理措施的制定提供決策支持。

我國學(xué)者采用遙感數(shù)據(jù)對煙田位置及面積提取已進行了初步研究，主要采用監(jiān)督分類方法并輔助以紋理信息進行識別[44]。并且，基于地面調(diào)查和觀測數(shù)據(jù)，采用指標(biāo)分析方法對全國煙草種植區(qū)域進行了適宜性評價[45-46]。未來研究首先選取典型區(qū)域，采用高分辨率遙感數(shù)據(jù)提取煙田空間信息，結(jié)合種植計劃的戶籍化管理信息對其進行修正及精度評價；然后擴展至全國的煙草種植區(qū)域，并建立長時間序列數(shù)據(jù)集。該數(shù)據(jù)不僅為國家層面上的種植監(jiān)管提供決策支持，更為區(qū)域煙田生態(tài)系統(tǒng)科學(xué)研究提供數(shù)據(jù)基礎(chǔ)。

圖1 Landsat TM假彩色合成影像中不同地物的光譜差異Fig. 1 Spectral differences of different land covers in the Landsat TM pseudocolor synthetic image

3.2 長勢及土壤墑情監(jiān)測

我國的煙草種植分布范圍廣，自然條件差異大，不同地區(qū)煙草長勢及土壤墑情多變，這是我國煙草種植管理中面對的首要問題。成熟度是影響我國煙葉品質(zhì)的關(guān)鍵因素，依據(jù)不同部位煙葉的成熟度進行分期采收并進行品質(zhì)分級是煙葉收購管控的關(guān)鍵環(huán)節(jié)。然而煙農(nóng)對煙葉成熟度的主觀掌握不一致，并且不同土壤或養(yǎng)分條件下的采收時機也不一致[47]。此外，煙株打頂、側(cè)芽抑制等煙田調(diào)控措施也需要對長勢進行科學(xué)掌握。因此，采用植被指數(shù)對煙草長勢進行實時監(jiān)測，能夠為煙株生長期管理、制定不同部位煙葉的采收時間、控制成熟度、提升煙葉品質(zhì)提供決策支持，該方法比單純依靠主觀經(jīng)驗更為科學(xué)，能夠有效減少人為因素對煙葉品質(zhì)造成的影響。

在近年來全球氣候變化背景下，極端天氣事件頻率的顯著上升已經(jīng)使全球農(nóng)業(yè)和農(nóng)田生態(tài)系統(tǒng)遭受了重大損失。干旱、水淹、冰雹等極端天氣事件極易對煙田生態(tài)系統(tǒng)產(chǎn)生擾動，對煙葉產(chǎn)量、品質(zhì)造成嚴(yán)重?fù)p害。煙田土壤墑情的遙感監(jiān)測，能夠為煙田管理提供實時信息，為應(yīng)對極端天氣事件提供及時預(yù)警，降低突發(fā)性極端天氣事件在生長階段對煙葉品質(zhì)造成的影響。

3.3 病蟲害監(jiān)測

隨著氣候變化、作物布局和栽培制度等的改變，我國煙草種植區(qū)域病蟲害的種類、發(fā)生率及發(fā)生范圍呈明顯上升趨勢。目前已查明的煙草侵染性病蟲害有60多種，其種類仍然不斷增加，暴發(fā)絕產(chǎn)的事例時有發(fā)生[48]。對此，我國自1995年開始進行煙草病蟲害預(yù)測預(yù)報研究，已系統(tǒng)地建成了全國煙草病蟲害預(yù)測預(yù)報及綜合防治網(wǎng)絡(luò)，在田間檢測和普查、模型預(yù)測預(yù)報等方面進行了系統(tǒng)研究。但是，該網(wǎng)絡(luò)還存在一定的不足，具體表現(xiàn)在：

（1）基層測報點測報人員的技術(shù)水平參差不齊，病蟲害檢測和普查結(jié)果不準(zhǔn)確、病蟲害信息的網(wǎng)絡(luò)傳遞不通暢等方面的不足較為突出。

（2）病蟲害數(shù)據(jù)較少，受近年來氣候變化影響以及種植結(jié)構(gòu)調(diào)整等因素的影響，模型預(yù)測預(yù)報技術(shù)還有待進一步改進。

（3）診斷及應(yīng)對措施滯后，無法針對預(yù)警預(yù)報提前制定相應(yīng)的應(yīng)對策略，只能在病蟲害發(fā)生后進行相應(yīng)的處置措施。

為充分發(fā)揮網(wǎng)絡(luò)功能，減少病蟲害突發(fā)帶來的損失，今后需進一步完善網(wǎng)絡(luò)組成，建立全國煙草監(jiān)測與管理信息系統(tǒng)。采用遙感手段對煙草種植區(qū)域進行實時、動態(tài)監(jiān)測，結(jié)合氣象觀測及人工調(diào)查數(shù)據(jù)，通過模型對病蟲害進行準(zhǔn)確預(yù)測預(yù)報，以便提前預(yù)警，并采用專家決策系統(tǒng)進行情景模擬和對策分析。

3.4 品質(zhì)管理及評價

前人采用光譜儀進行田間調(diào)查，基于不同生長階段的光譜特性，對煙草生長過程中葉片生理生化指標(biāo)（如色素含量、葉綠素含量、總氮、類胡蘿卜素、含水量、成熟度等）的光譜特性進行了研究，依據(jù)不同指標(biāo)對不同品質(zhì)煙葉的光譜特性進行分析，并探討了灌溉、施肥等不同管理方式對煙葉品質(zhì)的影響[49-50]。上述研究不僅為快速、科學(xué)地定量化評價煙葉品質(zhì)提供了有利借鑒，更可以將地面研究結(jié)果與高光譜衛(wèi)星遙感數(shù)據(jù)相結(jié)合，對煙草生長過程中煙葉的各項生理生化參數(shù)進行動態(tài)監(jiān)測、實時評價。并能夠結(jié)合田間管理措施分析不同因子對各項參數(shù)影響的相對貢獻，為改進田間管理措施、提高煙葉品質(zhì)提供科學(xué)依據(jù)。

3.5 產(chǎn)量估算

目前，我國學(xué)者在煙草作物產(chǎn)量估算方面的研究多基于田間地塊尺度，分析灌溉、施肥等管理措施對產(chǎn)量的影響，采用遙感或模型方法對大面積區(qū)域乃至全國煙草種植區(qū)域進行產(chǎn)量估算鮮見報道[51-53]。因此，未來研究主要集中于結(jié)合遙感數(shù)據(jù)發(fā)展作物生長模型對區(qū)域煙草作物產(chǎn)量進行估算，并采用地面調(diào)查數(shù)據(jù)對兩種方式的估算精度進行驗證和評價。此外，依據(jù)模擬結(jié)果，結(jié)合氣象因子及地面耕作、灌溉、施肥等煙田管理數(shù)據(jù)，分析氣象因子和不同管理措施對煙葉產(chǎn)量及品質(zhì)的影響，從而為煙草種植的科學(xué)管理提供依據(jù)。

4 討論

4.1 數(shù)據(jù)質(zhì)量及預(yù)處理

由于遙感數(shù)據(jù)可能會受到大氣中云層、氣溶膠以及地面冰雪等因素的影響，因此使用遙感數(shù)據(jù)前必須對其進行預(yù)處理，包括大氣校正、輻射校正、幾何校正等。特別是高空間分辨率及高光譜數(shù)據(jù)，前者分辨率高，因此受云層、冰雪等因素影響特別明顯，后者則會因上述因素的影響而造成光譜異常，進而導(dǎo)致冠層光譜特性產(chǎn)生偏差。

4.2 數(shù)據(jù)來源及時空分辨率選擇

數(shù)據(jù)來源及時相選擇也是應(yīng)用中的關(guān)鍵問題：提取煙田空間信息重在高空間分辨率，時間宜選在大田期內(nèi)；長勢及土壤墑情監(jiān)測、品質(zhì)評價注重長時間序列的連續(xù)性；結(jié)合調(diào)查數(shù)據(jù)進行線性估產(chǎn)時，采用調(diào)查時段或生長發(fā)育期植被指數(shù)的最大值或平均值，模型模擬則依據(jù)遙感數(shù)據(jù)的可用時段設(shè)定模擬步長；空間分辨率需根據(jù)應(yīng)用范圍選擇合適的尺度（圖2）。

圖2 不同空間分辨率（30 m-8 km）植被指數(shù)對比Fig. 2 Comparison of NDVIs with different spatial resolutions (30 m-8 km)

4. 3 方法及數(shù)據(jù)選擇

在應(yīng)用過程中，需選取相應(yīng)的的適宜方法和數(shù)據(jù)：長勢監(jiān)測宜采用長時間序列植被指數(shù)，并可以結(jié)合主要生態(tài)因子作為輔助數(shù)據(jù)；病蟲害監(jiān)測需根據(jù)不同病蟲害的對應(yīng)時間表選擇相應(yīng)的主控因子；進行線性統(tǒng)計估產(chǎn)時，必須考慮遙感數(shù)據(jù)與調(diào)查數(shù)據(jù)間線性關(guān)系在不同區(qū)域的差異性，并對調(diào)查數(shù)據(jù)進行誤差檢驗及不確定性分析；模型估產(chǎn)則主要受制于各項輸入數(shù)據(jù)的可得性，并且將站點數(shù)據(jù)插值為空間柵格數(shù)據(jù)時需要進行精度分析和不確定性分析。

4.4 尺度耦合

將遙感、模型等大尺度方法與地面調(diào)查、觀測實驗等較小尺度方法進行耦合，是當(dāng)前地球信息科學(xué)及生態(tài)學(xué)研究中的前沿方法。因此，將遙感及模型應(yīng)用于煙草監(jiān)測及管理過程中，同樣需要地面調(diào)查、觀測實驗等方法提供基礎(chǔ)數(shù)據(jù)并進行對比檢驗。遙感和模型方法能夠有效減少地面工作量，地面調(diào)查、實驗工作則為遙感和模型方法提供檢驗，兩者相輔相成、缺一不可。

5 結(jié)論

遙感已經(jīng)在大面積區(qū)域農(nóng)作物種植監(jiān)測及田間管理中得到廣泛研究與應(yīng)用，結(jié)合前人的研究進展，本文對遙感在煙草種植監(jiān)測及管理中的應(yīng)用前景進行了展望，主要結(jié)論有：

（1）采用遙感數(shù)據(jù)結(jié)合地理信息系統(tǒng)方法建立區(qū)域乃至全國的煙田空間數(shù)據(jù)庫是制定煙草種植管控措施的數(shù)據(jù)基礎(chǔ)，更是進行煙田生態(tài)系統(tǒng)科學(xué)研究的前提。

（2）采用長時間序列遙感數(shù)據(jù)可以對煙草長勢、土壤墑情及煙葉品質(zhì)等實時性信息進行動態(tài)監(jiān)測，為田間管理及收獲階段的煙葉品質(zhì)管理提供決策支持。

（3）采用地理信息系統(tǒng)方法，結(jié)合遙感、氣象觀測及人工地面調(diào)查等手段，完善病蟲害及作物生長模型，建立全國煙草監(jiān)測與管理信息系統(tǒng)是煙草信息化的重要發(fā)展方向。

[1]袁行思.美國的卷煙和卷煙技術(shù)[J]. 煙草科技, 1981(04):10-20.

[2]中國農(nóng)業(yè)科學(xué)院煙草研究所.中國煙草栽培學(xué)[M].上海: 上?？茖W(xué)技術(shù)出版社, 2005.

[3]朱尊權(quán).中國煙葉生產(chǎn)科研現(xiàn)狀與展望[J]. 中國煙草學(xué)報,2008，14(06):70-72.

[4]吳炳方.全國農(nóng)情監(jiān)測與估產(chǎn)的運行化遙感方法[J]. 地理學(xué)報,2000(01):25-35.

[5]陶健, 張戈麗, 王軍邦, 等.內(nèi)蒙古中東部地區(qū)耕地物候動態(tài)研究[J]. 中國農(nóng)業(yè)科學(xué), 2011(22):4583-4592.

[6]Atzberger C. Advances in Remote Sensing of Agriculture: Context Description, Existing Operational Monitoring Systems and Major Information Needs[J]. Remote Sensing, 2013. 5(2): 949-981.

[7]中華人民共和國國家統(tǒng)計局. 中國統(tǒng)計年鑒2013[M]. 北京：中國統(tǒng)計出版社，2013：452-456.

[8]Monteith J. Solar radiation and productivity in tropical ecosystems[J]. Journal of Applied Ecology, 1972,9(3): 747-766.

[9]吳炳方, 蒙繼華, 李強子.國外農(nóng)情遙感監(jiān)測系統(tǒng)現(xiàn)狀與啟示[J]. 地球科學(xué)進展, 2010(10):1003-1012.

[10]趙庚星,余松烈.冬小麥遙感估產(chǎn)研究進展[J]. 山東農(nóng)業(yè)大學(xué)學(xué)報(自然科學(xué)版), 2001(01):107-111.

[11]王軍邦, 陶健, 李貴才, 等.內(nèi)蒙古中部 MODIS 植被動態(tài)監(jiān)測分析[J]. 地球信息科學(xué), 2010,12(6): 835-842.

[12]Tao J, Zhang Y, Yuan X, et al. Analysis of forest fi res in Northeast China from 2003 to 2011[J]. International Journal of Remote Sensing, 2013. 34(22):8235-8251.

[13]Tucker C J, Pinzon J E, Brown M E, et al. An extended AVHRR 8-km NDVI dataset compatible with MODIS and SPOT vegetation NDVI data[J]. International Journal of Remote Sensing, 2005,26(20):4485-4498.

[14]Kogan F N. Operational Space Technology for Global Vegetation Assessment[J]. Bulletin of the American Meteorological Society,2001,82(9):1949-1964.

[15]Ezzine H, Bouziane A, Ouazar D. Seasonal comparisons of meteorological and agricultural drought indices in Morocco using open short time-series data[J]. International Journal of Applied Earth Observation and Geoinformation, 2014,26(0):36-48.

[16]閆巖, 柳欽火, 劉強, 等.基于遙感數(shù)據(jù)與作物生長模型同化的冬小麥長勢監(jiān)測與估產(chǎn)方法研究[J]. 遙感學(xué)報, 2006(05):804-811.

[17]趙虎, 楊正偉, 李霖,等.作物長勢遙感監(jiān)測指標(biāo)的改進與比較分析[J]. 農(nóng)業(yè)工程學(xué)報, 2011(01):243-249.

[18]馮美臣, 楊武德, 張東彥,等. 基于TM和MODIS數(shù)據(jù)的水旱地冬小麥面積提取和長勢監(jiān)測[J]. 農(nóng)業(yè)工程學(xué)報,2009(03):103-109.

[19]李榮春, 陶洪斌, 張竹琴, 等.基于圖像處理技術(shù)的夏玉米群體長勢監(jiān)測研究[J]. 玉米科學(xué), 2010(02):128-132.

[20]陳沈斌,孫九林.建立我國主要農(nóng)作物衛(wèi)星遙感估產(chǎn)運行系統(tǒng)的主要技術(shù)環(huán)節(jié)及解決途徑[J]. 自然資源學(xué)報, 1997(04):72-78.

[21]Meroni M, Marinho E, Sghaier N, et al. Remote Sensing Based Yield Estimation in a Stochastic Framework - Case Study of Durum Wheat in Tunisia[J]. Remote Sensing, 2013, 5(2):539-557.

[22]劉珺, 田慶久, 黃彥,等.黃淮海夏玉米物候期遙感監(jiān)測研究[J].遙感信息, 2013(03):85-90.

[23]張競成, 袁琳, 王紀(jì)華, 等.作物病蟲害遙感監(jiān)測研究進展[J].農(nóng)業(yè)工程學(xué)報, 2012(20):1-11.

[24]Graeff S, Link J, Claupein W. Identification of powdery mildew (Erysiphe graminis sp. tritici) and take-all disease(Gaeumannomyces graminis sp. tritici) in wheat (Triticum aestivum L.) by means of leaf re fl ectance measurements[J]. Central European Journal of Biology, 2006,1(2):275-288.

[25]黃木易, 王紀(jì)華, 黃文江, 等.冬小麥條銹病的光譜特征及遙感監(jiān)測[J]. 農(nóng)業(yè)工程學(xué)報, 2003(06):154-158.

[26]Bravo C, Moshou D, West J, et al. Early Disease Detection in Wheat Fields using Spectral Reflectance[J]. Biosystems Engineering, 2003. 84(2):137-145.

[27]張永強, 文麗萍, 石潔, 等.亞洲玉米螟為害后玉米冠層光譜變化和產(chǎn)量損失研究[J]. 植物保護, 2007(05):54-57.

[28]Rembold F, Atzberger C, Savin I, et al. Using Low Resolution Satellite Imagery for Yield Prediction and Yield Anomaly Detection[J]. Remote Sensing, 2013,5(4):1704-1733.

[29]Field C B, Randerson J T, Malmstr?m C M. Global net primary production: combining ecology and remote sensing[J]. Remote Sensing of Environment, 1995,51(1):74-88.

[30]Wang J, Liu J, Cao M, et al. Modelling carbon fl uxes of different forests by coupling a remote-sensing model with an ecosystem process model[J]. International Journal of Remote Sensing, 2011,32(21):6539-6567.

[31]Gao L, Jin Z, Huang Y, et al. Rice clock model—a computer model to simulate rice development[J]. Agricultural and Forest Meteorology, 1992, 60(1/2):1-16.

[32]潘學(xué)標(biāo)，韓湘玲，石元春. COTGROW：棉花生長發(fā)育模擬模型[J]. 棉花學(xué)報, 1996(04):180-188.

[33]鄭國清, 段韶芬, 張瑞玲, 等.基于模擬模型的玉米栽培管理信息系統(tǒng)[J]. 中國農(nóng)業(yè)科學(xué), 2004(04):619-624.

[34]顧曉鶴, 韓立建, 王紀(jì)華, 等.中低分辨率小波融合的玉米種植面積遙感估算[J]. 農(nóng)業(yè)工程學(xué)報, 2012(03):203-209.

[35]宋開山, 張柏, 李方, 等.玉米葉綠素含量的高光譜估算模型研究[J]. 作物學(xué)報, 2005(08):1095-1097.

[36]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(xué)報, 2006(09):138-143.

[37]Krezhova D, Petrov N, Maneva S. Hyperspectral remote sensing applications for monitoring and stress detection in cultural plants:viral infections in tobacco plants[C]. Proc. SPIE 8531, Remote Sensing for Agriculture, Ecosystems, and Hydrology XIV,85311H,2012.

[38]Svotwa E, Masuka A J, Maasdorp B, et al. Remote Sensing Applications in Tobacco Yield Estimation and the Recommended Research in Zimbabwe[J]. ISRN Agronomy, 2013, 2013: 1-7.

[39]Svotwa E, Masuka A J, Maasdorp B, et al. Assessing the Spectral Separability of Flue Cured Tobacco Varieties Established on Different Planting Dates and under Varying Fertilizer Management Levels[J]. International Journal of Agronomy, 2014. 2014: 1-9.

[40]董志堅, 宋秀中, 程彪. 基于“3S”技術(shù)的數(shù)字化煙草農(nóng)業(yè)研究概況及展望[J]. 中國煙草學(xué)報, 2008，14(03):65-70.

[41]郭繼發(fā), 劉臻, 崔偉宏. 基于時空特征分析技術(shù)的烤煙GIS系統(tǒng)[J]. 地球信息科學(xué)學(xué)報, 2009(03):370-375.

[42]賈龍浩, 周忠發(fā), 李波.高分辨率SAR在喀斯特山地?zé)煵萆L建模中的應(yīng)用探討[J]. 中國煙草科學(xué), 2013. 34(5): 104-107.

[43]劉紀(jì)遠. 國家資源環(huán)境時空數(shù)據(jù)基礎(chǔ)及其在資源環(huán)境研究中的應(yīng)用[J]. 地理教育, 2002(02):4-6.

[44]吳孟泉, 崔青春, 張麗, 等.復(fù)雜山區(qū)煙草種植遙感監(jiān)測及信息提取方法研究[J]. 遙感技術(shù)與應(yīng)用, 2008(03):305-309.

[45]梁洪波, 劉昌寶, 許家來, 等.山東不同土壤類型對煙葉品質(zhì)的影響[J]. 中國煙草科學(xué), 2006(02):41-43.

[46]高林, 董建新, 武可峰, 等.土壤類型對煙草生長發(fā)育的影響研究進展[J]. 中國煙草科學(xué), 2012(01):98-101.

[47]朱尊權(quán).當(dāng)前煙草生產(chǎn)技術(shù)幾個問題的探討[J]. 煙草科技,1997(01):3-4.

[48]王剛.我國煙草病蟲害預(yù)測預(yù)報工作進展與展望[J]. 中國煙草科學(xué), 2004(01):44-46.

[49]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(xué)報, 2007(05): 1763-1771.

[50]邢雪霞, 劉國順, 賈方方, 等.烤煙葉片色素含量的高光譜預(yù)測模型研究[J]. 中國煙草學(xué)報, 2014,20(01): 54-60.

[51]潘麗銘,何念祖.低氯磷鉀復(fù)肥對煙草產(chǎn)量和品質(zhì)的影響[J].浙江農(nóng)業(yè)大學(xué)學(xué)報, 1998(01):41-44.

[52]李明德, 肖漢乾, 湯海濤, 等.稻草還田對煙田土壤性狀和煙草產(chǎn)量及品質(zhì)的影響[J]. 中國土壤與肥料, 2006(06):41-44.

[53]張紀(jì)利, 李余湘, 羅紅香, 等.施鉬對煙草葉綠素含量、光合速率、產(chǎn)量及品質(zhì)的影響[J]. 中國煙草科學(xué), 2011(02):24-28.

Prospect of applying remote sensing to tobacco planting monitoring and management

TAO Jian，SHEN Guoming，XU Yimin，LIANG Hongbo
Tobacco Research Institute, Chinese Academy of Agricultural Sciences, Qingdao 266101, China

The changing trend of tobacco planting areas and yields during 1978-2012 were analyzed. The application of remote sensing technology in tobacco planting monitoring and field management was of more and more urgency as it boasted higher accuracy than traditionally ground-based surveys and statistical reports. Recent developments in remote sensing and its application in crop monitoring and management in maize, a similar crop as tobacco, were reviewed. Prospective application of remote sensing in tobacco planting monitoring and fi eld management was discussed.

tobacco; planting monitoring; fi eld management; remote sensing

:TAO Jian, SHEN Guoming, XU Yimin, et al. Prospect of applying remote sensing to tobacco planting monitoring and management [J]. Acta Tabacaria Sinica, 2015, 21(2)

陶健，申國明，徐宜民,等. 遙感在煙草種植監(jiān)測及管理中的應(yīng)用展望[J]. 中國煙草學(xué)報，2015,21（2）

中國農(nóng)業(yè)科學(xué)院煙草研究所青年科學(xué)基金項目（No. 2015A02）

陶?。?983—），博士，助理研究員，主要研究方向為農(nóng)業(yè)遙感、模型及養(yǎng)分循環(huán)過程，Email: taoj_caas@163.com

梁洪波（1961—），碩士，研究員，主要研究方向為作物栽培學(xué)，Email: lianghongbo@caas.cn

2014-07-02