引言

成像技术和光谱技术是传统的光学技术的两个重要方向，成像技术能够获得物体的影像，得到其空间信息；光谱技术能够得到物体的光学信息，进而研究其物质属性。20世纪70年代以前，成像技术和光谱技术是相互独立的学科，随着遥感技术的发展，成像光谱技术迅速发展起来，它是一种快速、无损的检测技术，具有光谱分辨率高、多波段和图谱合一的特点，能在大尺度范围内识别地表并深入研究其地表物质的成分及结构。目前成像光谱技术已经成为遥感技术的发展趋势之一，并在军事侦察、海洋遥感、地质勘探、植被分析等领域得到越来越广泛的应用。

随着无人机技术的日益成熟，基于无人机平台的新型遥感技术异军突起，得到遥感工作人员的青睐，科研工作者更对其在行业上的应用前景予以众望。目前无人机搭载成像光谱仪在农业上可用于诊断作物长势、病虫害情况以及土壤肥力等；在环境保护方面可用于检测海洋、湖泊的化工原料污染、富营养化等；在林业领域可用于检测林火、林业病害、林木存活率、林木种类区分等；在矿产资源领域上可用于石油、矿物矿产等领域的勘测；在考古领域可用于古村落的修复、文物遗址的勘查等；在通信部门可用于电缆绝缘子的勘察等。

我国是烟草种植大国，烟草在全国各省均有种植，其面积和产量目前均居世界首位，税负收入在我国税收总量占有举足轻重的地位，为我国经济发展做出了相当贡献。而我国烟叶总产量中烤烟占了80％以上，是生产卷烟的最主要原料。长期以来，我国在观察监测烟田烟草的生长长势以及烟草品质等方面均采用耗时、耗力、成本高的传统方法。无人机成像高光谱技术是高效的烟草种植管理手段，其能大范围快速、准确地为决策者提供烟田烟草的生长状况，为决策者施肥、灌溉、喷洒农药提供有效的数据，有利于显著提高农药现代化水平，促进现代农业可持续发展。因此无人机高光谱技术在烟田监测方面具有较大的应用价值，为烟田管理的新趋势。

1  材料与试验部分

1.1  研究区域

野外试验田在云南大理、楚雄、石林板桥镇红塔烟草(集团)有限责任公司的烟草试验基地。

1.2  数据采集设备

本次试验采用大疆六旋翼无人机M600 Pro(无人机净重约4 kg，最大载重约 10 kg)，在无人机遥感平台上搭载四川双利合谱科技有限公司自主研发的高光谱成像光谱仪GaiaSky-mini-2，该无人机遥感平台采用的是无人机悬置空中，高光谱成像光谱仪采用内置推扫的方式获取地面图像(其主要参数见表1)。在云南大理和楚雄烟草试验基地，无人机的飞行高度均为120m，分别采集了33景和67景图像，每景图像代表地面幅宽为48m*48m；在石林板桥镇烟草试验基地，无人机的飞行高度为250m，一共采集了86景图像，每景图像代表地面幅宽为100m*100m。无人机遥感平台的实景图，如图1。

表1   GaiaSky-mini 机载成像高光谱仪系统参数

Table 1 GaiaSky-mini high airborne imaging spectrometer system parameters

图1   无人机高光谱成像系统实景图

1.3  无人机高光谱数据的预处理与分析

无人机高光谱图像的预处理在四川双利合谱科技有限公司自主研发的SpecView软件中进行，包括镜像变换、黑白帧校准（如公式1所示）。

式中，R_ref 是黑白校正过的图像的反射率值，DN_raw 是原始图像的DN值，DN_white为白板的白帧数据，DN_dark 是相机的系统误差DN值。

考虑到无人机飞到一定高度后，高光谱成像仪获取的高光谱影像数据可能会受到大气、水汽等因素的影响。为了消除这些因素的影响，我们在无人机起飞之前，在拍摄区域放置一块经过国家计量院标定过的2m*2m灰布，在高光谱影像获取的时候，只需要在其中的一景高光谱影像中覆盖到灰布即可。消除大气、水汽等因素影响的方法如公式2所示。

式中，R_fixed 是消除大气、水汽等因素后的图像光谱反射率，R_ref是经过黑白校正后的图像反射率，R_standard是经过国家计量院标定的灰布的光谱反射率，R_grayref 是经过黑白校正后图像中灰布的光谱反射率。

1.4  无人机高光谱影像拼接

无人机高光谱影像的拼接采用四川双利合谱科技有限公司自主研发的无人机高光谱拼接软件HiSpectralStitcher进行拼接，该拼接软件有图像筛选、拼接预览、投影方式选择、拼接方法选择、重采样方法选择、是否匀色、拼接结果格式输出选择等功能。拼接软件界面如图2所示。

图2  无人机高光谱拼接软件HiSpectralStitcher

2  结果与分析

2.1  拼接结果预览

图3为利用无人机高光谱拼接软件HiSpectralStitcher对云南大理、楚雄、石林板桥镇红塔烟草(集团)有限责任公司的烟草试验基地的无人机高光谱影像的三波段拼接效果预览图（RGB分别代表750 nm/650 nm/550 nm最邻近波长）。从拼接结果来看，除楚雄烟草试验基地，由于航线规划过程没规划成功，导致部分烟草田块没有拼接成功外，大理和石桥板镇烟草基地的无人机拼接结果较好。

图3.1 大理烟草试验基地无人机高光谱拼接预览图

图3.2 楚雄烟草试验基地无人机高光谱拼接预览图

图3.3 石桥板镇烟草试验基地无人机高光谱拼接预览图

2.2  无人机高光谱影像烟草提取方法

无人机高光谱影像不仅包含有烟草，还有其他的作物、杂草、土壤、道路、建筑物等，从影像中提取感兴趣的目标物，通常的方法有非监督分类、监督分类、决策树、面向对象分类等，本研究采用监督分类的最大似然法对拼接好的无人机高光谱影像进行分类，分别提取了烟草和其他植物做植被指数分析，叶绿素、总氮、烟碱等生化指标的反演。其中大理和楚雄烟草试验基地只提取烟草做生化指标反演，石板桥镇烟草基地将烟草和其他作物一起参与生化指标的反演，观察烟草与其他作物在生化指标的差异。

2.3  烟草与其他地物的光谱分析

   图4为无人机高光谱影像上烟草、杂草、作物以及土壤在400-1000 nm范围的光谱曲线。从图中可知，烟草的光谱反射率高于杂草的光谱反射率，而杂草的光谱反射率则高于作物的光谱反射率，土壤的光谱反射率在400-760nm范围内保持稳定上升的趋势，在760-900nm范围内光谱差异不大，在900-1000nm范围内有一峰谷，这是因为水汽吸收的原因。

图4 烟草与其他地物的光谱反射率曲线

2.4  植被指数分析

植被指数是一类具有一定生化意义的不同波段光谱值的组合，通常有比值植被指数、线性组合植被指数、修正植被指数、差值植被指数等。不同波段组合的植被指数对于不同指标预测效果不同。在农业上，基于光谱技术检测作物生理指数的波段范围一般在 400～2 500 nm 之间，涉及到色素（叶绿素、类胡萝卜素等）、氮、水分等吸收和叶片细胞的内部结构。在 400-740 nm  可见光波段，叶绿素在 480、650、670-680、740 nm  处有吸收峰，类胡萝卜素在420、425、440、450、470、480 nm 均有吸收峰，叶黄素在  425、445、475 nm  有吸收峰。而在  740-1 300 nm  近红外波段由于健康的叶肉细胞反射作用，其反射率急剧升高；作物水分的吸收峰主要集中在 970、1 450、1 944 nm  处。因此当作物受到胁迫作用时，相应的氮、色素、酶等发生变化，通过应用各种植被指数监测这些生理指标变化，可判断作物胁迫情况、生长状况以及产量情况。图5为大理、楚雄、石板桥镇烟草基地烟草的NDVI分布图（NDVI采用的绿光波长与红光波长的），NDVI值越大则说明长势越好。

图5.1 大理烟草基地烟草NDVI分布图

图5.2 楚雄烟草基地烟草NDVI分布图

图5.3 石板桥镇烟草基地烟草、作物、杂草的NDVI分布图

2.5  烟草叶绿素分析

叶绿素含量是植被生长状态的良好指示器，它与植被的光合作用能力，发育状况，胁迫

程度及氮素含量等密切相关，又是植被与外界发生物质能量交换的重要条件，因此估测作物叶绿素含量已成为评价其长势的一种有效手段。王强等以棉花冠层叶绿素密度及冠层高光谱反射率为数据源，分析了叶绿素密度同原始光谱反射率(R)，一阶导数光谱反射率(DR)，已有光谱指数及全波段组合指数的相关性，认为由一阶导数比值为自变量估测棉花冠层叶绿素密度的模型效果最好。丁永军等和宋开山等分别利用高光谱建立了预测番茄、玉米等叶绿素含量的模型，效果较好。徐新刚等研究了高光谱曲线特征同叶绿素的相关性，发现可见光波段520-740nm之间的归一化光谱反射率同叶绿素含量呈良好的负相关关系；绿峰反射光谱曲线特征边的变化速率及绿峰两边的夹角等变量与水稻叶片叶绿素含量具有良好的相关性。杨巧明等采用高光谱分析和线性回归技术分析了3个橡胶树品种叶片的室内反射光谱数据和叶绿素含量，认为橡胶树叶片的叶绿素含量敏感波段主要指蓝边范围。

针对烟草叶绿素的监测研究，本研究利用云南农业大学研究的模型进行反演，图6分别对大理、楚雄和石板桥镇烟草基地的烟草进行叶绿素a和叶绿素b进行反演。

图6.1 大理烟草基地烟草叶绿素a和叶绿素b的反演图

图6.2 楚雄烟草基地烟草叶绿素a和叶绿素b的反演图

图6.3 石桥板镇烟草基地烟草、作物、杂草叶绿素a和叶绿素b的反演图

2.6  烟草总氮分析

国内外对多种作物的营养元素、多种生化组分反射光谱特性及其与品质和产量的关系研究有较多的研究和报道。李佛琳等对可见近红外波段(350nm-1650nm)单波段光谱和100 种光谱指数共两类光谱参量进行了与生化组分之间线性函数、幂函数、指数函数共3种形式相关分析和基于决定系数的筛选，结果表明，对于烟碱、总氮、总糖最优方法分别是在 1135nm反射率倒数对数二阶微分的线性拟合(R²=0.20)、在 666nm 反射率倒数对数一阶微分的幂函数拟合(R²=0.44)、在532nm反射率一阶微分线性拟合(R²=0.54)。牛铮等以小麦活体叶片为研究对象，利用高光谱数据，探索了利用成像光谱遥感预测小麦生化组分的基础性研究，采用多元逐步回归方法，分析了小麦叶片7种生化组分含与特征光谱参量的关系。张喜杰等在温室内，利用自然光照反射光谱研究了黄瓜叶片的含氮量预测模型，发现利用单一敏感波长520 nm就可获得理想模型；原始光谱及其一阶微分光谱都可用于黄瓜叶片含氮量预测。Thomas 等对 7 种不同的作物叶片在不同氮素营养水平下的光谱特性，结果证明在氮素营养缺乏条件下，7 种作物叶片的可见光波段的反射率表现为增加，但不同植物的光谱反射率增加幅度不一样。苏永士等研究了不同施肥条件下烟草冠层光谱反射率差异显著，经筛选绿波段植被指数(GNDVI)与叶绿素含量和叶面积指数关系显著，建立的回归方程的 R² 分别为 0.436 和 0.568，均达到显著水平。

本研究利用现有的烟草总氮非线性模型，通过算法分析，反演大理、楚雄、石板桥镇烟草基地烟草的总氮含量，如图7所示。

图7.1 大理烟草基地烟草总氮反演图

图7.2 楚雄烟草基地烟草总氮反演图

图7.3 石板桥镇烟草基地烟草、作物、杂草总氮反演图

2.7  烟草烟碱分析

烟草是我国一项非常重要的经济作物，中国是世界上烤烟种植面积和产量最大的国家，烟草除了可为卷烟制品提供原料外，同时在食品和医药领域还有很多潜在的应用价值。烟碱是绝大多数烟草属作物叶片的最重要的生物碱，其含量是评价烟叶品质的重要指标。虽然烟碱对人类健康和环境具有危害性，但是美国食品和药物管理局近年来证实了它可用来治疗一些疾病，也可被用来制作戒烟产品和杀虫剂，同时，烟碱和烟草中的氮及色素含量密切相关。因此，快速地监测遮荫条件下烟草叶片中烟碱含量的变化有助于采取有效的农艺管理措施。李向阳等以不同成熟度烤烟叶片为研究对象，开展了室内光谱红边参数研究，研究表明红边位置是预测烤烟叶片成熟度精度较高的指标，红边位置位于 693-695nnl。刘国顺等利用冠层光谱估测烟草叶面积指数和地上生物量，筛选出相应的特征变量为 Rg／Dr。蒋锦锋等以烟草为研究对象，应用近红外光谱技术建立了烟草主要化学成分的快速、无损检测方法。

本文利用研究者利用光谱设备研究烟草观察烟碱的模型反演到大尺度无人机高光谱影像上，从而分析得到每一田块烟草烟碱的含量分布情况，如图8所示。

图8.1 大理烟草基地烟草烟碱含量反演图

图8.2 楚雄烟草基地烟草烟碱含量反演图

图8.3 石板桥镇烟草基地烟草、作物、杂草烟碱含量反演图

3  结论

从烟草的NDVI和叶绿素a/b、总氮和烟碱反演分布图来看，石桥板镇烟草基地的烟草与其他作物和杂草的含量差异显著，特别是烟碱作为烟草特有的属性，其与其他作物、杂草差异尤为显著，因此利用无人机高光谱可大范围快速识别烟草，可帮助决策者判断烟草的种植面积。同时根据大理、楚雄和石板桥镇烟草基地的烟草NDVI、和叶绿素a/b、总氮和烟碱反演分布图来看，利用无人机高光谱技术可以判别烟草的长势及监测生化参数的含量，为决策者定量施肥、灌溉、喷洒农药等提供技术支持，同时根据烟草烟碱的分布图，可以判断烟草的品质。

因此利用高光谱技术可以对烟草主要生化成分进行很好的监测，而且具有广阔的应用前景。然而烟草学者们虽然已经提出的一系列的烟草生化成分的监测和估算模型，但每个模型都有特定的研究方法和适用条件，并不适用于所有品种的烟草，所以很难找到通用的模型。同时高光谱遥感数据有一些缺陷，比如景观异质性、大气噪音、太阳位置等的干扰都会影响高光谱遥感技术在实际的应用能力。所以要使烟草光谱资料更加完备，今后的研究方向：一是烟草生化参数，要一步步地上升到较为精确的模型水平 ，进一步对其进行细化和确定。为了降低实际生产中烟草的品种类型 、生态条件多样和栽培管理等方面的差异，需要建立更加全面和更具规模的样本参数，以便进行修正。二是遥感数据的分析方法和遥感信息的信噪比要进一步提高，在今后的研究中，要注重于完善和扩充烟草的光谱数据库，加强烟草高光谱数据的采集和挖掘，结合3S技术的应用 ，进一步推动高光谱遥感技术在烟草生化成分诊断和监测中的应用。