要准确对烟叶进行分级，就必须首先弄清烟叶的分级原理。目前，全球范围的烟叶分级来看，大多数都把分类、分型、分组、分级的体系作为分级原理。我国根据烟叶特点、栽培技术和调制方法不同，把烟叶分为烤烟、晾烟、晒烟、白肋烟、香料烟及黄花烟6类。

  在考察烟叶质量时，只有按照分类、分型、分组、分级的原理逐步对烟叶进行区分，才能弄清烤烟、白肋烟等不同类烟叶之间本质的区别。这样的一个过程主要是根据烟叶的调制方法、性质及用途进行，称之为分类过程。

  (1)分类后，依据不同的生态环境条件的影响对烟叶质量进行的划分过程称为分型，亦即区分生态质量的过程。

  (2) 分型后，依据对烟叶质量影响重大的外观因素(如部位、颜色等)把几个能连续分成几个等级的烟叶划在一起的过程称为分组。在同一组内，依据一定的分级因素对烟叶进行的质量的划分称为分级。

  烟叶分级的最终目的是要分清内在质量，要分清烟叶质量，分类、分型是基础，只有分清了不一样的烟叶，才能认真研究不一样的烟叶，进而分组、分级，为卷烟工业合理使用烟叶奠定基础。

  烤烟叶片叶绿素含量是表征烤烟光合作用、营养状况和长势的重要指标。河南农业大学烟草学院/国家烟草栽培生理生化研究基地/烟草行业烟草栽培重点实验室，提出了基于无人机高光谱遥感的烤烟叶片叶绿素含量估测，研究的目的为高效精确地估测不同生长期烤烟LCC。

  以中烟100烟叶为研究对象，利用无人机搭载Resonon Pika L高光谱成像仪采集烤烟在6个关键生育期冠层反射率数据。基于相关分析筛选了21种LCC的敏感光谱指数，通过比较不同光谱组合及不同回归分析算法的预测精度，最终建立了基于多种光谱指数组合的LCC回归估测模型。采用一元线性回归、多元线性回归、偏最小二乘回归、支持向量回归和随机森林回归5种建模办法来进行LCC估测。

  在不同生育期大部分光谱参数与LCC的相关性达到极显著(P0.01);相较于传统植被指数，新组合的光谱指数明显提升了与LCC的相关性;对单变量LCC估测模型ULR，以移栽后75 d新组合的归一化光谱指数与红光比率光谱指数的单变量建模精度最高，两者决定系数和均方根误差分别为0.822和0.814，0.226和0.230。MLR、PLSR、SVR和RFR建模方法预测根据结果得出，RFR算法在LCC估测中效果最好，其中使用移栽后75 d数据验证集的R2和RMSE可达0.919和0.146。

  研究通过一系列分析多种光谱指数与烤烟LCC的响应规律，构建可靠的烤烟叶片LCC估测模型，可为烤烟叶LCC估测以及烤烟的生长发育监测提供理论依照和技术支撑。

  烟叶分级的最终目的是要分清内在质量，要分清烟叶质量，分类、分型是基础，只有分清了不一样的烟叶，才能认真研究不一样的烟叶，进而分组、分级，为卷烟工业合理使用烟叶奠定基础。