烟草的营养及长势与其最终产量和质量有着直接的关系,快速、实时、准确和定位化的获取烟草生长信息是实现烟草精益生产、推动现代烟草农业发展的基础,然而传统的数据获取方式需要耗费大量的人力物力,效率低,准确性差,且多为点状数据,测定范围小,提高精度与样本需求量及采集成本的矛盾严重限制了现代烟草农业的发展。因此,研究烟草生长信息快速无损的监测技术已成为现代农业的发展要求。为满足烟草精益生产和现代烟草农业建设中快速可靠获取数据的需要,探索无人机遥感对区域烟田烟草生长信息监测的能力,本研究于2017年在登封市颍阳镇郭寨村选择4hm2烟草种植区进行统一管理,采用20m×20m的“网格法”均匀设置取样点99个进行地面定标,利用GreenSeeker、LAI-2200和SPAD-502测定各样点不同时期烟株数据,于许昌市烟草教学研究基地选择不同烟草类型、不同施氮量、不同生物炭用量、不同开花程度等处理进行地面定标。利用无人机荷载S185机载高光谱成像仪测定两个试验区顶叶扩展期和成熟采收期高光谱影像数据,同时获取各样点代表性烟株地面数据,并通过地面高光谱仪测定不同氮肥用量烟株冠层光谱数据,对烟株进行“空地一体化”监测。通过经典统计分析各时期长势参数的变化规律,利用地物高光谱对无人机遥感进行数据评价,获取不同处理光谱曲线测试无人机遥感的灵敏性,通过PLSR建立基于无人机遥感的长势信息反演模型,并利用测试集数据评价模型模拟效果。研究初步得到以下结果:(1)无人机高光谱数据评价及适用性分析表明:不同氮肥处理下烟草冠层的无人机光谱同地面高光谱反射率数值相近,且规律一致,870-950nm光谱反射率差异较大,无人机遥感存在边界噪声;顶叶扩展期不同生物炭用量、不同烟草类型、不同开花程度无人机遥感光谱信息变化明显,光谱差异较大,光谱响应敏感。(2)两时期所有样点原始光谱数据PCA分析表明:对PC1得分贡献最大的是绿光反射区的526-554nm和红边的702-714nm,有效的筛选出了同架次中曝光不足及曝光过度的异常样点。(3)经典统计分析表明:各时期各指标均符合正态分布;整个生育期内,NDVI均值呈现逐渐增加的趋势,变异系数逐渐减少,后期仪器对烟株实际生长情况监测敏感度下降;LAI随着田间环境和农艺操作出现波浪式增减,LAI-2200传感器能够较好的反映烤烟实际生长情况;各时期烟株冠层SPAD值变异系数及变幅较小,同时期烟株冠层SPAD值差异不大,整个生育期烟株冠层SPAD呈现出先增加后减少的趋势;成熟采收期叶片干重明显高于顶叶扩展前期,上部叶对最终产量贡献较大。(4)地面实测值与叶片干物质重的相关分析表明:整个生育期内NDVI之间相关性较强,同时期NDVI与DMW相关系数较高,烤烟NDVI是反映叶片干物质重较好的长势指标;35-85d的LAI具有显著或极显著相关性,而95d与前期35d、45d没有相关性,DMW与LAI的相关性随生育期推进整体呈增加趋势,在打顶和第一次采收后相关性有所降低;SPAD值基本仅与相邻的时期具有显著或极显著相关性,且随生育期推进相关性降低,成熟采收期SPAD值与其他各时期均不具有相关性,DMW邻近10d的SPAD相关性较好。(5)PLSR遥感反演模型结果显示:NDVI遥感反演模型R2=0.81,RMSEC=0.011,测试集 R2=0.74,RMSEP=0.013;LAI 模型的 R2=0.88,RMSEC=0.33,测试集 R2=0.76,RMSEP=0.32;SPAD 模型的 R2=0.81,RMSEC=3.34,测试集的 R2=0.83,RMSEP=2.57;LNC 模型的 R2=0.78,RMSEC=0.2,测试集 R2=0.72,RMSEP=0.19;DMW 反演模型在 185g之后出现模型饱和现象,采用185g以下的数据进行建模,模型R2=0.8,RMSEC=13.6,训练集R2=0.73,RMSEP=14.95;模型拟合度较高,均方根误差较小,反演效果较好,可用于叶片干物质重<185g的反演。