吕小艳，薛 琳，竞 霞，张 超，徐海清，朱启法

（1西安科技大学测绘科学与技术学院，西安710054；2中国农业大学土地科学与技术学院，北京100083；3安徽皖南烟叶有限责任公司，安徽宣城242000）

0 引言

烟草作为中国的重要经济作物，科学化、精细化的管理对于提高烟草质量至关重要，烟草施肥、长势与品质的监管主要依据于烟草生化参数，叶绿素作为烟草主要生化参数之一，是叶片叶绿体内进行光合作用的主要色素[1]，并且可用于烟草氮素状况、产量[2-5]等的预测。快速精准无损地估测烟草叶片的叶绿素含量，有助于及时掌握烟草的长势状况，为种植管理者提供科学依据。

传统实验室化学测定叶绿素含量的方法耗时，同时对作物具有破坏性。SPAD（soil and plant analyzer development）值可准确表征叶绿素含量，但获取SPAD值时需要反复接触叶片，不适于大范围叶绿素信息的获取[6]。高光谱数据具有快速、无损特点，已广泛应用于SPAD值的估测[7-11]。

目前，利用高光谱估算SPAD值的研究中，主要通过反射率原始数据[12]、变换数据[13-15]、微分数据[16,17]与SPAD的关系，反演SPAD值。而利用微分数据估测SPAD值的研究中，主要基于整数阶微分，但整数阶微分忽略了微分光谱的渐变信息，限制了估测模型的精度[18]。分数阶微分作为整数阶微分的拓展，可以突出光谱的细微信息[19-21]。王敬哲等[22]通过分数阶微分处理的光谱数据，研究了荒漠土壤铬含量反演，得出分数阶微分优于一阶微分。Fu等[23]通过研究地面高光谱遥感和Landsat 8 OLI数据的Grünwald-Letnikov分数阶微分光谱数据与土壤有效钾含量的相关性，表明分数阶微分可描述光谱数据的微小差异，茹克亚·萨吾提等[24]利用经过对数变换和分数阶微分处理的光谱计算的植被指数建立偏最小二乘模型，实现了小麦叶绿素含量的估算。……