高光谱遥感技术在烟草中的应用综述

沈雪婷，凌 平，彭桃军，单 倩，苏鹏飞，郑 咪

(江西省吉安市烟草公司 安福县分公司，江西 安福 343200)



高光谱遥感技术在烟草中的应用综述

沈雪婷，凌 平，彭桃军，单 倩，苏鹏飞，郑 咪

(江西省吉安市烟草公司 安福县分公司，江西 安福 343200)

摘要：首先综述了影响烟草光谱特征的若干因素,同时列举了高光谱遥感应用于烟草上的主要处理技术,最后对高光谱遥感在烟草上未来应用进行了展望。

关键词：烟草；高光谱；遥感；监测模型

遥感技术始于20世纪60年代，这一概念首先由美国地理学家Eretyn Pruitt等提出，即指应用探测仪器，不直接与探测目标接触，在远处接受来自目标物体的信息，并进行处理分析，是一种揭示目标物体的特征属性与分布特征的综合探测性技术[1-2]。随着遥感技术不断发展，20世纪70年代高光谱遥感技术的出现使得遥感信息定量获取的领域进一步拓宽，高光谱遥感技术逐渐成为农业遥感应用中的重要前沿技术手段之一。

高光谱遥感[3](Hyperspectral Remote Sensing)又称成像光谱遥感，是指在电磁波谱的4个波段(紫外、可见光、近红外和中红外见光)范围内，从目标物体上获取许多非常窄且光谱连续图像数据的技术。高光谱遥感技术因具有多波段且宽度窄、光谱分辨率高、信息量大、数据描述模型多等特点[4]而在农业生产中发挥了重要作用，姚云军等[5]认为其在农业中的应用可归为作物的分类识别、叶片光谱特征研究、作物养分的诊断与监测、生态物理参数的反演与提取、监测作物长势与预测产量、建立农业遥感信息模型、监测农业灾害7大类。前人对高光谱遥感技术在玉米[6-9]、大豆[10-12]、小麦[13-15]等农作物中的应用有较为深入的研究，但在烟草中的研究起步较晚。烟草是我国重要的经济作物之一，在国民经济中起着重要作用。2007年国家烟草专卖局提出“积极推动传统烟叶生产向现代烟草农业转变”的战略性奋斗方向，在全国范围内拉开了发展现代化烟草农业的序幕。高光谱遥感技术因具有实时、快速、无损、精确且适合大范围诊断的优点，在推动烟草农业现代化过程中具有重要作用。近年来，越来越多的烟草学者将目光转向高光谱技术，他们的研究揭示了不同因素影响烟草光谱特征的变化规律，筛选出一些监测参数，并建立了相应的估算模型，但是高光谱技术在烟草中的应用还处于发展阶段，尚不成熟，要将其投入实际生产中还需要更加全面深入的研究。本文综述了前人在烟草生产中应用高光谱遥感技术的研究成果，以期为高光谱技术指导烟草生产提供一定的理论依据。

1烟草的光谱特征以及不同因素对其的影响

烟草具有绿色植被的典型光谱特征，这是由其细胞结构、化学成分和形态学特征决定的。烟草的光谱特征受光照、水分、肥料、品种类型、生育时期、病虫害等因素的影响。

1.1光照对烟草光谱特征的影响

光照是植物生长发育的必需条件之一，为植物进行光合作用提供能量[16-19]。光照强度和光质条件都会对烟草的光谱特征产生明显影响。贾方方[20]以云烟87为实验材料进行研究发现：在不同遮阴条件下，叶片的光谱反射率随着遮阴程度增加而逐渐降低，在可见光(350～700 nm)和近红外光(750～1000 nm)范围表现更为明显。赵文[21]在对中部叶的研究中也得出了类似结论。邢雪霞[4]研究发现不同光质条件对烤烟光谱曲线的影响不大，但显著影响了烤烟的光谱反射率，叶片光谱与冠层光谱的反射率均以白膜表现最优。

1.2水分对烟草光谱特征的影响

水分对烤烟的生长发育及品质都有重要的影响，水分因素对烤烟内外部理化性状产生直接影响，这间接影响了烤烟的光谱特征[22]。烟草叶片的红边特征受水分影响明显，在整个生育期内，随着土壤水分减少，烤烟叶片红边位置向长波方向移动，红移现象显著[23-24]；在伸根期和旺长期，叶片红边幅值和红边面积随土壤水分增加发生红移现象，成熟期则随土壤水分增加发生蓝移现象[25]。研究[26-27]表明，不同水分条件下的烤烟叶片和冠层光谱反射率间存在显著差异，随着土壤含水量的增加冠层红边一阶微分光谱的“双峰”现象愈加显著。

1.3肥料对烟草光谱特征的影响

氮磷钾被称为烟草生长发育的3要素，它们是烟草中众多化合物的组成成分，与烟草体内的多种生理生化过程密切相关，直接影响烟草叶片内外部的理化性状。研究发现[1,28]，在可见光范围内，烤烟叶片和冠层的光谱反射随施氮量的增加而降低，这是由于随着施氮量的增加叶片色素含量增加，导致叶片对光的吸收增强；在近红外光范围内，烤烟叶片和冠层的光谱反射随施氮量的增加而增加，这是由于随着施氮量增加叶片细胞变大，细胞间隙变大，细胞壁水化度增高，导致光在叶片组织细胞内进行了多次反射。施氮量同时会对烤烟叶片的红边位置产生影响[28-29]。随着施氮量的增加，同一生育时期内各部位叶片的红边位置均发生“红移”现象。吕小娜[30]研究认为，随着施氮量的增加，烤烟冠层一阶导数光谱呈现向长波方向移动的趋势，“双峰”现象愈加显著，烤烟冠层红边位置变化不明显，但红边面积与红边幅值呈增加趋势。李向阳等[31]研究表明，随着供钾水平的增加，烤烟叶片光谱反射率呈降低趋势，在绿光波段尤其明显。

国内关于磷素对烟草光谱特征影响的研究较少，李向阳[28]以NC89为研究材料发现在可见光范围内冠层反射率随施磷量的增加而降低。在其他作物如冬小麦[32]、春玉米[33]中磷对光谱特征的影响已经获得一定的研究成果，我们可以借鉴这些研究成果，弥补烟草这一方面研究的欠缺。

1.4不同类型和品种烟草光谱特征的差异

不同类型和品种的烟草具有不同的遗传特征，这决定了生长过程中烟草叶片的生理生化特征和化学物质含量等方面会有所差异，导致烟草的光谱特征不同。刘国顺等[34]通过研究白肋烟、烤烟、香料烟3种烟草的冠层光谱特征发现，在绿光波段和近红外范围内，白肋烟的冠层反射率最大，烤烟次之，香料烟最小。李向阳[28]通过研究对此进行了解释，在绿光范围内反射率主要受叶绿素含量的影响，白肋烟叶片呈浅绿色，叶脉发白，叶绿素含量低，因此反射率最大；烤烟和香料烟叶片均呈绿色，但由于香料植株矮小、种植密度大造成仪器视场范围内叶绿素含量高，故而烤烟反射率大于香料烟。李佛琳[35]研究这3种烟草的叶片反射率发现，在可见光波段和近红外波段，白肋烟叶反射率均大于另外两种类型的烟草；在可见光波段内，香料烟叶片反射率大于烤烟，而在近红外波段内则是烤烟大于香料烟。

不同品种烟草的光谱特征也存在差异，前人主要研究了不同品种烤烟的光谱特征差异。殷全玉等[36]研究报道，在可见光范围内，中烟101叶片的光谱反射率大于云烟87，而在近红外范围内则反之。李向阳[28]对NC89、K326、云烟85、庆胜2号4个烤烟品种进行研究发现，在可见光范围内，4个品种的冠层光谱反射率间差异不大；在近红外范围内，NC89>K326>云烟85>庆胜2号。

1.5不同生育时期烟草光谱特征的差异

随着烟草生育期的推移，烟草冠层和叶片的反射率存在显著差异。随着生育期的推移，在可见光波段叶片光谱反射率增加，主要是由叶片叶绿素含量以及水分含量减少引起的。移栽后，烟株根系迅速生长、叶片伸展，叶片单位面积内叶绿素含量减少；进入旺长期，叶片内叶绿素含量进一步降低，水分含量减少；进入成熟期，大量的叶绿素在此时被分解破坏；这一系列的变化导致叶片在可见光波段红区和蓝区的吸收不断减少，最终造成反射率增加。而在近红外光波段叶片光谱反射率的增加则主要是由叶片细胞结构的变化引起的，随着生育时期的推移，烟叶生长叶片组织细胞结构逐渐充实，叶肉细胞之间的间隙扩大，折射率的急剧变化导致反射面数目增加，最终导致近红外波段反射率增加[35-37]。

1.6病虫害对烟草光谱特征的影响

病虫害对烟草的危害主要有两种形式：外部形态上的变化和内部生理效应的改变。这些变化都势必会引起烟草光谱特征的变化，在红区和近红外区表现尤为明显[38]。王梅[38]研究发病烟草的高光谱特征时发现，感染病害烟草的病叶和冠层光谱反射率均明显低于健康烟草，随着病害程度的增加，在整个生育期内烟草病叶光谱的红边位置发生了“蓝移”现象，而烟草冠层的光谱位置则发生了“红移”现象。刘大双等[39-40]报道称NC89被烟草花叶病毒侵染后，烤烟受胁迫失绿，绿峰位置向红光方向偏移而红边位置向蓝光偏移，且接种TMV病毒后在肉眼观察不到病害叶片明显症状时，叶片的光谱特征曲线已发生改变，可用高光谱进行诊断。乔红波等[41]研究不同数量烟蚜对中烟101光谱特征的影响时发现，同健康叶片相比，轻度、中度和重度受害叶片的光谱反射率在绿光波段分别下降了12%、27%、52%，在近红外波段分别下降了15%、20%、38%。

2高光谱遥感技术在烟草中的应用

高光谱遥感技术在烟草中的应用主要集中在快速、精准地提取烟草生长的信息，烟草胁迫监测、烟叶成熟度监测、产量估算与品质监测，从而及时调整各类物资的投入量，以期达到减少浪费、增加产量、改善烟草品质的目的。

2.1烟草生长信息的提取

在作物生产中，快速、精准地判断作物氮素营养状况对实现作物的实时精准施肥具有重要意义[42]。吕小娜[30]通过回归方法筛选出变量Rnir、NDVI和SAVI，建立了烟草叶片含氮量的监测模型TN=0.346-0.756Rnir-0.448NDVI+1.607SAVI，决定系数为0.996，F检验达到极显著水平。靳涵丞等[43]以南江3号为实验材料建立了叶片的全氮含量高光谱估算模型，运用相关性分析和逐步回归分析发现，南江3号叶片全氮含量的高光谱反射率特征波长与光谱反射率一阶微分的特征波长分别为702、632 nm，特征变量绿峰与红谷比值(Rg/Rr)的相关系数较大，为-0.812；基于光谱反射率的一阶微分方程对叶片全氮含量的估测效果好(R2=0.961，P<0.01)。

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，后者则能对叶绿素起到保护作用[44]。与传统方法相比，利用高光谱仪测定叶片中色素的含量具有实时、快速、非损伤性等优点，因而成为近年来研究的热点。在烟草中，利用高光谱测定叶片中的叶绿素含量也取得了一定的研究成果。邢雪霞等[45]在21个光谱参数中筛选出与叶绿素含量、类胡萝卜素含量相关性最好的光谱参数，即绿度归一化植被指数(G_NDVI)和转换叶绿素吸收反射指数(TCARI)，并分别建立了叶绿素a、叶绿素b、叶绿素a+b以及类胡萝卜素含量的最佳估测模型，确定了光谱参数G_NDVI和TCARI为预测色素含量的特征参数。付虎艳等[47]研究南江3号烟叶高光谱参数与叶绿素含量的关系表明，叶绿素a(Chl a)与原始光谱反射率的最大相关系数以及光谱一阶微分的最大相关系数分别出现在700 nm和623 nm处；而叶绿素b(Chl b)的则出现在701 nm和653 nm处。与Chl a、Chl b含量相关系数最大的高光谱参数分别是绿峰位置(λg)和红边面积与蓝边面积的比值(SDr/SDb)，运用逐步回归方法建立的基于光谱反射率一阶微分的模型对烟草叶片叶绿素a、叶绿素b含量的估测效果好，精度较高。

叶面积指数LAI(Leaf Area Index)作为陆面过程中一个十分重要的结构参数，是表征植被冠层的最基本的参量之一，在遥感监测中通常是产量估测模型与土壤水分蒸发蒸腾量模型的输入参数[48-49]。前人研究报道绿色作物光谱反射率与LAI密切相关，越来越多的学者利用高光谱遥感技术来反演叶面积指数[50-52]。刘国顺等[34]研究了17种光谱参数与烟草叶面积指数的关系，筛选出绿峰与红谷的比值(Rg/Rr)、绿峰位置(λg)、绿峰幅值(Rg)3个高光谱参数作为特征变量并建立了回归方程，其中Rg/Rr的决定系数为0.777，达到极显著水平。张正杨等[53]运用植被指数法、主成分分析、神经网络3种方法进行反演，建立了烟草LAI的高光谱估算模型，3种方法均取得了较好的结果；其中主成分分析法建立的验证模型稳定性更好，其验证模型的RMSE为0.172，低于植被指数法与神经网络法。

2.2烟草胁迫监测

贾方方[26]研究不同水分处理对烟草高光谱特征的影响表明，在水分胁迫下(45%和65%水分处理)，烟草冠层高光谱的红边位置发生“红移”现象，而85%水分处理则因为水分过多导致叶片提前落黄，叶绿素含量减少造成红边位置发生“蓝移”现象。高光谱遥感亦可以用于监测重金属对烟草的胁迫。李佛琳等[54]在敏感波段(551、672、720 nm)下建立了镉的归一化污染指数CNDPI，并确定当CNDPI值大于0.3时，烟株中即出现镉污染情况，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花叶病方面，刘大双[40]采用逐步回归方法建立了烟草花叶病病害等级和病株高度的光谱反射率、光谱反射率一阶微分和光谱特征变量的回归方程，对模型进行检验发现，光谱反射率一阶微分回归模型的相关系数为0.999，估测效果最好，光谱反射率回归模型的估测效果次之，光谱特征变量回归模型最差。

2.3烟叶成熟度监测

烟叶成熟采收对烤烟品质具有重要意义，目前我国仍以根据叶片颜色以及叶龄的主观方法判断烟叶成熟度，如何形成客观系统的方法判断烤烟成熟度成为了学者们研究的热点。李佛琳等[54]研究了不同成熟度鲜烟叶的高光谱特征，建立了量化判别烟叶成熟度的模型，经验证模型具有较好的稳定性。余志虹等[55]利用烟叶高光谱比值植被指数RVI(1100,660)建立了检测烟叶成熟度的模型且能够量化，当2.81≤RVI(1100,660)≤3.47时，中部叶成熟；当RVI(1100,660)<2.72时中部叶过熟；当RVI(1100,660)>3.75时，中部叶欠熟。梁寅[56]也利用高光谱遥感技术建立了判别云烟87 烟叶成熟度的判别模型。

2.4产量估算

地上生物量是陆地生态系统的重要参数之一，在农业生产中常常用来衡量作物的长势与产量。众多学者研究发现，可以利用高光谱遥感进行农作物产量估算，在烟草中也取得了一些研究成果。刘国顺等[34]筛选出了地上鲜生物重(ADF)、地上干生物重(ADW)的高光谱特征变量Rg/Rr，并建立了估测模型，统计检验发现包含特征变量Rg/Rr的回归模型估测效果优于其他模型。李佛琳[35]建立了香料烟产量与冠层光谱预测模型，大多是以光谱吸收位置和水体指数为变量的指数方程。

2.5品质监测

众多研究表明，烟草的光谱参数与其生理生化指标、烤烟品质指标之间存在相关性，且可以通过高光谱遥感技术建立这些指标的估算、监测模型。李俊丽[57]采用逐步回归法以19种高光谱参数为自变量建立了烟草各项生理生化指标的预测模型，各方程的决定系数R2均达到了极显著水平，回归系数相伴概率亦达到了显著水平。李佛琳[35]对烟叶光谱参数与烟叶化学品质指标之间进行了相关性分析并筛选出与品质指标显著相关的光谱参数，建立了相应的监测模型，经过检验发现利用高光谱遥感建立的氮、钾含量监测模型效果最好，烟碱和总糖的模型次之。

3研究展望

前人已经较为系统地研究了影响烟草光谱特征的因素，并且在利用高光谱遥感技术监测烟草长势与品质、估算产量、监测烟草胁迫等方面取得了一些研究成果。但是由于各类监测与估算模型是不同学者在不同试验条件下建立的，各模型不具有普遍适用性，与实现指导烟叶生产的目标还有一定差距。因此，如何将高光谱遥感技术在烟草中的应用从理论走向业务化操作并提取出具有普适性的监测与估算模型是我们今后的主要研究方向。同时，我们还应加强高光谱技术与GPS、GIS等信息技术的结合，推动烟草农业现代化进程。

参考文献：

[1] 张正杨.基于水氮互作的烟草高光谱特性及估测模型研究[D].郑州:河南农业大学,2011.

[2] 梅安新,彭望琭.遥感导论[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.不同光质条件对烤烟光谱特征和品质的影响[D].郑州:河南农业大学,2014.

[5] 姚云军,秦其明,张自力,等.高光谱技术在农业遥感中的应用研究进展[J].农业工程学报,2008,24(7):301-305.

[6] 唐延林,王秀珍,王人潮.玉米高光谱及其红边特征分析[J].山地农业生物学报,2003,22(3):189-194.

[7] 谭昌伟,黄文江,金秀良,等.利用高光谱植被指数监测紧凑型玉米叶绿素荧光参数Fv/Fm[J].光谱学与光谱分析,2012,32(5):1287-1291.

[8] 陈志强,王磊,白由路,等.整个生育期玉米叶片SPAD高光谱预测模型研究[J].光谱学与光谱分析,2013,33(10):2838-2842.

[9] 孙阳阳,汪国平,杨可明,等.玉米叶绿素含量高光谱反演的线性模型研究[J].山东农业科学,2015,47(7):117-121.

[10] 宋开山,张柏,王宗明,等.基于人工神经网络的大豆叶面积高光谱反演研究[J].中国农业科学,2006,39(6):1138-1145.

[11] 宋开山,张柏,王宗明,等.基于小波分析的大豆叶绿素a含量高光谱反演模型[J].植物生态学报,2008,32(1):152-160.

[12] 吴琼,齐波,赵团结,等.高光谱遥感估测大豆冠层生长和籽粒产量的探讨[J].作物学报,2013,39(2):309-318.

[13] 冯伟.基于高光谱遥感的小麦氮素营养及生长指标监测研究[D].南京:南京农业大学,2007.

[14] 冯伟,朱艳,姚霞,等.基于高光谱遥感的小麦叶干重和叶面积指数监测[J].植物生态学报,2009,33(1):34-44.

[15] 梁亮,杨敏华,张连蓬,等.基于SVR算法的小麦冠层叶绿素含量高光谱反演[J].农业工程学报,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] 贾方方.不同光照处理对烤烟品质的影响及氮化物的高光谱监测研究[D].郑州:河南农业大学,2013.

[21] 赵文.不同光照强度对烤烟烟碱、总氮的高光谱监测及其品质的影响研究[D].郑州:河南农业大学,2014.

[22] 李国芸,李志伟,甄焕菊,等.水分胁迫条件下烟草生理生化响应研究进展[J].中国农学通报,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] 贾方方,马新明,李春明,等.不同水分处理对烟草叶片高光谱及红边特征的影响[J].中国生态农业学报,2011,19(6):1330-1335.

[26] 贾方方.不同水分状况对烤烟高光谱特性及生理生化指标的影响[D].郑州:河南农业大学,2010.

[27] 贾方方,乔红波,熊淑萍,等.不同水分处理对烟草冠层高光谱参数和生理指标的影响[J].河南农业大学学报,2010,44(2):130-136.

[28] 李向阳.烟草高光谱特性与农艺生理品质指标的关系和估测模型研究[D].郑州:河南农业大学,2007.

[29] 王秀珍,王人潮,李云梅,等.不同氮素营养水平的水稻冠层光谱红边参数及其应用研究[J].浙江大学学报:农业与生命科学版,2001,27(3):301-306.

[30] 吕小娜.不同供氮水平烤烟冠层光谱特性及其农学参数估测[D].成都:四川农业大学,2012.

[31] 李向阳,刘国顺,杨永锋,等.烤烟叶片高光谱参数与多种生理生化指标关系研究[J].中国农业科学,2007,40(5):987-994.

[32] 郭曼.不同营养水平农作物光谱特性研究[D].杨凌:西北农林科技大学,2006.

[33] 王磊,白由路,杨俐苹,等.春玉米磷素营养的光谱响应及诊断[J].植物营养与肥料学,2007,13(5):802-808.

[34] 刘国顺,李向阳,刘大双,等.利用冠层光谱估测烟草叶面积指数和地上生物[J].生态学报,2007,27(5):1763-1771.

[35] 李佛琳.基于光谱的烟草生长和品质研究[D].南京:南京农业大学,2006.

[36] 殷全玉,杨伊檬,靳志伟.烟草叶片光谱特征及其光谱反射率的变化[J].河南科学,2006,24(4):521-523.

[37] 牛铮,陈永华,隋洪智,等.叶片化学组分成像光谱遥感探测机理分析[J].遥感学报,2000,4(2):125-130.

[38] 王梅.发病烟草的高光谱特征及其病害程度诊断模型研究[D].济南:山东农业大学,2013.

[39] 刘大双,刘国顺,李向阳,等.TMV侵染后烤烟叶片色素含量高光谱估算模型研究[J].中国烟草学报,2009,15(2):60-65.

[40] 刘大双.烟草花叶病对烟草光谱特性的影响[D].郑州:河南农业大学,2009.

[41] 乔红波,蒋金炜,程登发,等.烟蚜为害特征的高光谱比较[J].昆虫知识,2007,44(1):57-61.

[42] 王为.高光谱遥感技术的发展及其在农业上的应用[J].江西农业学报,2009,21(5):23-26.

[43] 靳涵丞,张洪亮,张军,等.贵州南江3号烟叶全氮含量高光谱估算模型[J].贵州农业科学,2015,43(3):91-95.

[44] 张金恒,王珂,王人潮.高光谱评价植被叶绿素含量的研究进展[J].上海交通大学学报:农业科学版,2003,21(1):74-80.

[45] 邢雪霞,刘国顺,贾方方,等.烤烟叶片色素含量的高光谱预测模型研究[J].中国烟草学报,2014,20(1):54-60.

[46] 黄智,昌宏涛,陈建国,等.烤烟K326色素含量的高光谱估测研究[J].作物研究,2015,29(5):516-521,541.

[47] 付虎艳,靳涵丞,张洪亮,等.贵州喀斯特山区烟叶高光谱参数与叶绿素含量的关系[J].烟草科技,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] 张正杨,马新明,贾方方,等.烟草叶面积指数的高光谱估算模型[J].生态学报,2012,32(1):169-175.

[54] 李佛琳,赵春江,王纪华,等.一种基于反射光谱的烤烟鲜烟叶成熟度测定方法[J].西南大学学报:自然科学版,2008,30(10):51-55.

[55] 余志虹,陈建军,吕永华,等.利用烟叶光谱植被指数快速监测烤烟成熟度[J].烟草科技,2013(2):77-82.

[56] 梁寅.基于高光谱遥感的云烟87采收成熟度识别研究[D].昆明:昆明理工大学,2013.

[57] 李俊丽.不同氮素水平对烤烟高光谱特性及其生理生化指标的影响[D].郑州:河南农业大学,2013.

(责任编辑：许晶晶)

收稿日期：2015-12-03

作者简介：沈雪婷(1989─)，女，河南洛阳人，硕士研究生，主要从事烟草栽培技术研究。

中图分类号：S572.37

文献标志码：A

文章编号：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