無人機光譜儀在煙草中的應用主要集中在煙草生長信息的快速準確提取上，特別是隨著無人機技術的發展，使用無人機攜帶高光譜相機快速或農田作物信息已成為一種趨勢。利用無人機高光譜監測煙草脅迫、煙草成熟度、產量估算和質量，及時調整各種材料的投資，減少浪費，增加產量，提高煙草質量。

提取煙草生長信息

在作物生產中，快速準確地判斷作物氮的營養狀況對實現作物的實時準確施肥具有重要意義。

植物的光合色素分為葉綠素(葉綠素a)、葉綠素b)和類胡蘿卜素(胡蘿卜素、葉黃素)，前者是吸收光能的物質，直接影響植被對光能的利用，后者可以保護葉綠素。與傳統方法相比，利用高光譜儀測定葉片中色素含量具有實時、快速、非損傷等優點，成為近年來研究的熱點。在煙草中，利用高光譜測定葉片中葉綠素的含量也取得了一定的研究成果。對南江3號煙葉高光譜參數與葉綠素含量的研究表明，葉綠素a(Chla)700nm和623nm分別出現與原始光譜反射率的最大相關系數和光譜一階微分的最大相關系數;葉綠素h(Chlb)出現在701nm和653nm處。與Chla、Chlb含量相關系數最大的高光譜參數是綠峰位置()與紅邊面積與藍邊面積的比值(SDr/SDb)，基于光譜反射率一階微分的煙草葉片葉綠素a模型采用逐步回歸法建立、葉綠素B含量的估計效果好，精度高。

LAI是葉面積指數(LeafAreaIndex)作為陸地過程中非常重要的結構參數，它是表示植被冠層最基本的參數之一，通常是產量估計模型和土壤水蒸發蒸騰模型的輸入參數。前人研究報告說，綠色作物的光譜反射率與LAI密切相關，越來越多的學者使用高光譜遙感技術來反映葉面積指數。張正陽利用植被指數法、主要成分分析和神經網絡建立了煙草LAI高光譜估計模型，取得了良好的效果;主要成分分析驗證模型穩定性較好，RMSE為0.172，低于植被指數和神經網絡。

煙草脅迫監測

研究不同水處理對煙草高光譜特性的影響表明，在水脅迫下(45%和65%水處理)，煙草冠層高光譜的紅邊位置“紅移”，而85%的水處理由于水分過多而導致葉片提前變黃，葉綠素含量降低，導致紅邊位置“藍移”。高光譜遙感也可用于監測重金屬對煙草的脅迫。福的歸一化污染指數CNDPI建立在敏感波段(551、672、720nm)下，確定當CNDPI值大于0.3時，煙株中會出現鎘污染，實現了利用光譜數據區分煙葉是否被鎘污染的定性目標。利用高光譜遙感技術監測煙草病蟲害的研究主要集中在煙草病蟲害上。采用逐步回歸方法，建立了煙草病害等級和病株高度的光譜反射率、光譜反射率第一階微分和光譜特征變量的回歸方程。模型檢驗發現，光譜反射率第一階微分回歸模型的相關系數為0.999，估計效果最好，其次是光譜反射率回歸模型。

病蟲害監測

當植物受到病蟲害的影響時，葉片的顏色、結構和外觀會發生變化，從而導致葉片反射率的變化。如果害蟲吃葉子或導致葉子卷曲和脫落，也會導致光譜特征曲線的變化，從而通過監測寄主植物光譜曲線的變化來監測害蟲的發生。喬紅波研究了三種危害:輕(單株頂部和上部5片葉蚜量≤15頭)、中(15頭≤單株頂部和上部5片葉蚜的量≤50頭)和重(單株頂部和上部5片葉蚜的量≥50頭)煙蚜危害煙草的光譜特征。結果表明，煙蚜會導致煙草光譜反射率下降，尤其是近紅外波段。綠光波段光譜反射率分別下降12%、27%和52%，近紅外波段光譜反射率分別下降15%、20%和38%。隨著蚜蟲數量的增加，一階導數光譜反射率的最大值下降，在綠光、紅光、藍光和近紅外光波段之間建立了煙蚜危害下煙葉光譜反射率和葉綠素SPAD值之間的線性擬合回歸方程。SPAD值越大，光譜反射率越高。(p其中，在綠光波段建立的擬合方程擬合效果最好。煙蚜的危害導致葉綠素含量下降，煙葉光合作用強度降低。SPAD值越大，光譜反射率越高。因此，可以監測煙草生產中病蟲害的發生，確定防治期和措施。

產量估算

煙草地面生物量是反映煙草代謝和光合作用的重要指標。許多研究表明，通過提取高光譜變量，根據數據條件建立有效的估計模型，可以監測煙草產量Rr。通過建立回歸模型，對17種光譜變量與煙草地上新生物量與干生物量的關系進行了評估和篩選Rr、

R的兩個高光譜參數作為地面生物量的特征變量，其中RG/RR的決定系數R2最高，達到了非常顯著的水平。新鮮生物量和干生物量分別為0.640和0.620，回歸模型的可靠性通過反演檢驗證明。

品質監測

高光譜與煙草的生理生化指標、礦物質元素指標和煙草質量指標有一定的相關性。通過逐步回歸分析，建立估算和監測模型，可以快速獲得各種煙草指標值，及時指導生產。李向陽通過設置不同類型的煙草、不同的煙草品種、不同的氮、磷、鉀處理試驗，篩選出總氮和葉綠素a、葉綠素b、類胡蘿卜素含量與總量等生理生化指標關系最密切的光譜特征變量RG/Rr，并建立各種生理生化指標的監測模型。

(成熟煙草)

同時，高光譜的27個參數與礦物質元素指標(鈣、鉀、鎂、硼、銅、鐵、錳、鈉、磷、鋅等10個元素)的回歸建模，都取得了良好的估計效果。分析了烤煙葉的葉綠素含量和光譜參數，結合烤煙葉的化學指標和香氣成分指標，建立了相關的估計模型。分析了煙葉光譜與化學質量指標的關系，篩選出與煙葉氮、鉀、煙堿、總糖含量相關的光譜特征參數，建立了診斷模型。

研究展望

研究表明，光照、水肥因素、品種類型和生育期對煙草光譜特性有一定的影響。利用高光譜技術，可以更準確地診斷和監測煙草的生長、營養狀況、產量和質量，具有廣闊的應用前景。目前，高光譜技術在煙草中進行了更廣泛的研究，提出了一系列的監測和估算模型，但由于每個模型都有特定的研究方法和適用條件，難以找到一般模型，需要建立更全面、更大規模的樣本參數進行修正，以減少實際生產、品種類型、生態條件和栽培管理的差異。今后，煙草高光譜技術的研究應重點完善和擴大煙草光譜數據庫，加強高光譜相關數據的收集和挖掘，加強與GIS的差異、GPS技術的結合應用促進了高光譜技術在煙草中的應用。