引言

高光譜遙感是指在紫外、可見光、近紅外等電磁波譜范圍內，從探測目標上獲取若干非常窄且光譜連續數據的技術。所獲得的光譜數據其中包含了大量的光譜反射率原始數據信息，若另外加上原始光譜反射率的導數（一階導數、二階導數）、對數變換、高光譜特征參數等，信息量就可以增加更多倍，因此，高光譜技術得到了廣泛的應用和快速的發展。本文著重討論近年來利用高光譜遙感技術手段監測煙草生化參數的成果與方法的研究進展。

2、高光譜遙感診斷煙草組分原理及煙草高光譜特征

2.1 煙草生化成分光譜診斷的基本原理

煙草葉片在電磁波的作用下，內部會發生一些復雜的物理過程（電子的躍遷、原子、分子振動與旋轉），同時會呈現出一些光譜吸收和反射特征，以此來反映物質的成分和結構信息。煙草所具有的這些光譜特征是利用遙感方法監測其性質和形狀的重要依據。煙草的生化成分光譜診斷原理就是利用煙草的光譜特性與其生理生化過程以及形態結構之間的響應過程，從而得到光譜反射率的變化對應化學組分的多少，反射光譜曲線的形態和特征會因煙草品種的不同、植株所處的生長期的不同而有所差異，此外灌溉、施肥、病蟲害等條件的不同也會引起煙草反射光譜特性的變化，因此可以利用遙感數據結合光譜的這些特征來進行煙草生化成分的品質監測。

不同施氮水平下煙草冠層光譜特征

2.2 煙草高光譜特征

煙草的反射光譜波形與典型植物的反射特征是相同的，這是由其細胞結構、化學成分和形態學特征決定的：即700~1000nm為最高反射區，400~500nm之間是最低反射區，500~600nm之間是一個反射次高峰區。煙草的光譜反射特征會因光照、水分、肥料、品種類型、生育時期、病蟲害等因素的影響而發生變化。李佛林等對不同施氮處理、不同時期和不同葉位等的云煙85、中煙101、巴斯瑪1號的煙葉室外光譜進行了總體描述：在整個光譜區域內，主要吸收中心變異小，紅和近紅外波段處變異大：在592nm附近及708nm附近變異系數較小，大約為32.8%，大于708nm以后變異系數逐漸增加。整個光譜區域內，變異系數最大達到了58.7%。張正楊等對K326和云煙87兩種烤煙的冠層光譜特征進行了描述：K326冠層的光譜反射率均低于云煙87。殷全玉等對云煙87和中煙101的葉片反射率光譜特征進行了研究：兩個品種的葉片反射率光譜在近紅外波段表現出了較明顯的差異，而且云煙87葉片的反射率要大于中煙101。喬紅波等研究了3種：重（單株頂尖和上部5片葉蚜量≥50頭）、中（15頭≤單株頂尖和上部5片葉蚜量≤50頭）和輕（單株頂尖和上部5片葉蚜量≤15頭）煙蚜危害程度條件下的光譜反射特征。研究結果表明：煙蚜會造成煙草光譜反射率的下降，其中在近紅外波段的反射率下降特別明顯。

中煙101 的中部葉的反射光譜、透射光譜和吸收光譜

3、高光譜遙感數據估測煙草生化成分分析方法研究

目前國內關于利用高光譜技術進行煙草生化參數遙感估測機理和方法的研究主要側重于建立光譜特征值與煙草生化參數間的統計模型，這些統計模型，簡單且便于運用，但是統計方法獲取的模型其機理并不是很明確，應用范圍較窄，而且由于生化參數相互之間、生化參數與其它植被參數之間，再加上環境條件的干擾，會使得對其中某一生化參數的分析變得非常復雜。近年來，高光譜數據的處理技術越來越多，如多元統計分析技術、光譜微分技術、基于光譜位置（波長）變量的分析技術、光學模型方法、參數成圖技術、光譜匹配技術、混合光譜分解技術等。利用逐步線性回歸的方法找出與某些生化成分含量相關的波段仍然是使用高光譜遙感數據估測煙草化學特性的主要方法，然后建立這些生化成分與波段光譜特征值之間的回歸方程，其缺點是有可能會出現諸如過度擬合、重要的波段被忽略和不同組分間的相關性等問題。

3.1 多元統計分析技術

在高光譜遙感研究中，使用最普遍的是多元統計分析技術，該方法可用來估計或預測生理指標，它以光譜數據或其變換形式（如原始光譜反射率、一階二階微分變換、對數變換、各種植被指數、導數后的對數變換等）作為自變量，生物物理、生物化學參數等作為因變量，建立多元回歸估計預測模型。通過逐步回歸方法可以找出與生物化學成分之間相關性最大的波段，但是基于最大相關原理選擇的相關波長可能會由于過度擬合、波動或其它相關變量的影響而造成誤差。

不同施氮處理采收期烤煙葉片反射光譜曲線

3.2 基于光譜波長位置變量等的分析技術

是根據波長變化相應的參數變量為自變量與生物物理和生物化學參量的關系來估計生化成分的，一般是通過高光譜數據進行某種變換（如求導、求對數等）來尋找煙草光譜的特征位置，也可直接通過高光譜數據來尋找這些特征位置，位置變量可以是：紅邊幅值Dr、綠峰幅值Rg、黃邊幅值Dy、藍邊位置λb、紅光吸收谷位置λv及其它特征吸收谷等。面積變量一般有：紅邊面積SDr、綠峰面積SDg、黃邊面積SDy藍邊面積SDb，植被變量常用的有：紅邊面積與藍邊面積比值SDr/SDb、紅邊面積與黃邊面積歸一化值（SDr-SDy）/（SDr+SDy）、紅邊面積與黃邊面積比值SDr/SDy、綠峰與紅谷歸一化值（Rg-Rr）/（Rg+Rr）、紅邊面積與藍邊面積歸一化值（SDr-SDb）/（SDr+SDb）、綠峰與紅谷比值Rg/Rr。此方法的普及度雖然不及多元統計分析方法，但被經常用在煙草的光合色素、水分和其他生化成分在可見光、近紅外波段內形成了“藍邊”、“黃邊”和“紅邊”等區別于其他地物的特征位置的情況下。

表：烤煙葉片煙堿含量與光譜特征變量的相關分析（n=128）

3.3 光譜匹配技術

是利用地物的光譜與參考的光譜進行匹配或者是地物的光譜與光譜數據庫的光譜作比較，以求它們之間的相似性或差異性。在現有光譜數據庫不完善的情況下，直接將目標物光譜與參考光譜進行比較是最常用的一種光譜匹配技術，其中以交叉相關光譜匹配技術的匹配效果較好。對于光譜匹配技術，有時需要將目標物的混合光譜加以分解，從而進一步確定在混合光譜中不同組分所占的比例，同時識別在己知組分中外加的其它組分。在一種光譜確定的物質中加入其它組分時，光譜的特征參數會發生改變，這為用光譜法對目標物中的組分識別提供可能，但混合光譜分解技術存在兩個關鍵問題：一是找出一組成分純的化學物質的光譜或已知組分混合比例的目標物的光譜；二是修正從純組分光譜到混合組分光譜因條件不同而帶來的光譜變化。目前，根據光譜匹配技術來分析煙草光譜變化及其生化組分的報道還尚未見。

不同施鉀量處理烤煙葉片反射光譜曲線

推薦：

無人機機載高光譜成像系統iSpecHyper-VM100

一款基于小型多旋翼無人機機載高光譜成像系統，該系統由高光譜成像相機、穩定云臺、機載控制與數據采集模塊、機載供電模塊等部分組成。無人機機載高光譜成像系統通過獨特的內置式或外部掃描和穩定控制，有效地解決了在微型無人機搭載推掃式高光譜照相機時，由于振動引起的圖像質量較差的問題，并具備較高的光譜分辨率和良好的成像性能。

審核編輯 黃宇