高光谱遥感技术监测烟草生化参数方法的研究进展

引言

高光谱遥感是指在紫外、可见光、近红外等电磁波谱范围内，从探测目标上获取若干非常窄且光谱连续数据的技术。所获得的光谱数据其中包含了大量的光谱反射率原始数据信息，若另外加上原始光谱反射率的导数（一阶导数、二阶导数）、对数变换、高光谱特征参数等，信息量就可以增加更多倍，因此，高光谱技术得到了广泛的应用和快速的发展。本文着重讨论近年来利用高光谱遥感技术手段监测烟草生化参数的成果与方法的研究进展。

2、高光谱遥感诊断烟草组分原理及烟草高光谱特征

2.1 烟草生化成分光谱诊断的基本原理

烟草叶片在电磁波的作用下，内部会发生一些复杂的物理过程（电子的跃迁、原子、分子振动与旋转），同时会呈现出一些光谱吸收和反射特征，以此来反映物质的成分和结构信息。烟草所具有的这些光谱特征是利用遥感方法监测其性质和形状的重要依据。烟草的生化成分光谱诊断原理就是利用烟草的光谱特性与其生理生化过程以及形态结构之间的响应过程，从而得到光谱反射率的变化对应化学组分的多少，反射光谱曲线的形态和特征会因烟草品种的不同、植株所处的生长期的不同而有所差异，此外灌溉、施肥、病虫害等条件的不同也会引起烟草反射光谱特性的变化，因此可以利用遥感数据结合光谱的这些特征来进行烟草生化成分的品质监测。

不同施氮水平下烟草冠层光谱特征

2.2 烟草高光谱特征

烟草的反射光谱波形与典型植物的反射特征是相同的，这是由其细胞结构、化学成分和形态学特征决定的：即700~1000nm为最高反射区，400~500nm之间是最低反射区，500~600nm之间是一个反射次高峰区。烟草的光谱反射特征会因光照、水分、肥料、品种类型、生育时期、病虫害等因素的影响而发生变化。李佛林等对不同施氮处理、不同时期和不同叶位等的云烟85、中烟101、巴斯玛1号的烟叶室外光谱进行了总体描述：在整个光谱区域内，主要吸收中心变异小，红和近红外波段处变异大：在592nm附近及708nm附近变异系数较小，大约为32.8%，大于708nm以后变异系数逐渐增加。整个光谱区域内，变异系数最大达到了58.7%。张正杨等对K326和云烟87两种烤烟的冠层光谱特征进行了描述：K326冠层的光谱反射率均低于云烟87。殷全玉等对云烟87和中烟101的叶片反射率光谱特征进行了研究：两个品种的叶片反射率光谱在近红外波段表现出了较明显的差异，而且云烟87叶片的反射率要大于中烟101。乔红波等研究了3种：重（单株顶尖和上部5片叶蚜量≥50头）、中（15头≤单株顶尖和上部5片叶蚜量≤50头）和轻（单株顶尖和上部5片叶蚜量≤15头）烟蚜危害程度条件下的光谱反射特征。研究结果表明：烟蚜会造成烟草光谱反射率的下降，其中在近红外波段的反射率下降特别明显。

中烟101 的中部叶的反射光谱、透射光谱和吸收光谱

3、高光谱遥感数据估测烟草生化成分分析方法研究

目前国内关于利用高光谱技术进行烟草生化参数遥感估测机理和方法的研究主要侧重于建立光谱特征值与烟草生化参数间的统计模型，这些统计模型，简单且便于运用，但是统计方法获取的模型其机理并不是很明确，应用范围较窄，而且由于生化参数相互之间、生化参数与其它植被参数之间，再加上环境条件的干扰，会使得对其中某一生化参数的分析变得非常复杂。近年来，高光谱数据的处理技术越来越多，如多元统计分析技术、光谱微分技术、基于光谱位置（波长）变量的分析技术、光学模型方法、参数成图技术、光谱匹配技术、混合光谱分解技术等。利用逐步线性回归的方法找出与某些生化成分含量相关的波段仍然是使用高光谱遥感数据估测烟草化学特性的主要方法，然后建立这些生化成分与波段光谱特征值之间的回归方程，其缺点是有可能会出现诸如过度拟合、重要的波段被忽略和不同组分间的相关性等问题。

3.1 多元统计分析技术

在高光谱遥感研究中，使用最普遍的是多元统计分析技术，该方法可用来估计或预测生理指标，它以光谱数据或其变换形式（如原始光谱反射率、一阶二阶微分变换、对数变换、各种植被指数、导数后的对数变换等）作为自变量，生物物理、生物化学参数等作为因变量，建立多元回归估计预测模型。通过逐步回归方法可以找出与生物化学成分之间相关性最大的波段，但是基于最大相关原理选择的相关波长可能会由于过度拟合、波动或其它相关变量的影响而造成误差。

不同施氮处理采收期烤烟叶片反射光谱曲线

3.2 基于光谱波长位置变量等的分析技术

是根据波长变化相应的参数变量为自变量与生物物理和生物化学参量的关系来估计生化成分的，一般是通过高光谱数据进行某种变换（如求导、求对数等）来寻找烟草光谱的特征位置，也可直接通过高光谱数据来寻找这些特征位置，位置变量可以是：红边幅值Dr、绿峰幅值Rg、黄边幅值Dy、蓝边位置λb、红光吸收谷位置λv及其它特征吸收谷等。面积变量一般有：红边面积SDr、绿峰面积SDg、黄边面积SDy蓝边面积SDb，植被变量常用的有：红边面积与蓝边面积比值SDr/SDb、红边面积与黄边面积归一化值（SDr-SDy）/（SDr+SDy）、红边面积与黄边面积比值SDr/SDy、绿峰与红谷归一化值（Rg-Rr）/（Rg+Rr）、红边面积与蓝边面积归一化值（SDr-SDb）/（SDr+SDb）、绿峰与红谷比值Rg/Rr。此方法的普及度虽然不及多元统计分析方法，但被经常用在烟草的光合色素、水分和其他生化成分在可见光、近红外波段内形成了“蓝边”、“黄边”和“红边”等区别于其他地物的特征位置的情况下。

表：烤烟叶片烟碱含量与光谱特征变量的相关分析（n=128）

3.3 光谱匹配技术

是利用地物的光谱与参考的光谱进行匹配或者是地物的光谱与光谱数据库的光谱作比较，以求它们之间的相似性或差异性。在现有光谱数据库不完善的情况下，直接将目标物光谱与参考光谱进行比较是最常用的一种光谱匹配技术，其中以交叉相关光谱匹配技术的匹配效果较好。对于光谱匹配技术，有时需要将目标物的混合光谱加以分解，从而进一步确定在混合光谱中不同组分所占的比例，同时识别在己知组分中外加的其它组分。在一种光谱确定的物质中加入其它组分时，光谱的特征参数会发生改变，这为用光谱法对目标物中的组分识别提供可能，但混合光谱分解技术存在两个关键问题：一是找出一组成分纯的化学物质的光谱或已知组分混合比例的目标物的光谱；二是修正从纯组分光谱到混合组分光谱因条件不同而带来的光谱变化。目前，根据光谱匹配技术来分析烟草光谱变化及其生化组分的报道还尚未见。

不同施钾量处理烤烟叶片反射光谱曲线

推荐：

无人机机载高光谱成像系统iSpecHyper-VM100

一款基于小型多旋翼无人机机载高光谱成像系统，该系统由高光谱成像相机、稳定云台、机载控制与数据采集模块、机载供电模块等部分组成。无人机机载高光谱成像系统通过独特的内置式或外部扫描和稳定控制，有效地解决了在微型无人机搭载推扫式高光谱照相机时，由于振动引起的图像质量较差的问题，并具备较高的光谱分辨率和良好的成像性能。

审核编辑 黄宇