基于光谱技术并结合算法和相应软件的植物叶片叶绿素含量诊断方法在农业生产中得到广泛的应用，传统基于反射光谱技术的叶绿素含量诊断方法受外界光照强度、检测角度和光程等多种因素制约，应用在实际生产中存在一定的不足。本研究通过模拟不同的光照环境情况，利用余弦校正器测量方法，分析了不同光照强度对不同营养状态辣椒叶片透过光谱红边区域（680nm~760nm）的影响。使用一阶导数法分别对不同光照强度下辣椒叶片透过强度和透过率光谱红边区域进行计算，得到了能代表红边区域特征的红边参数（红边位置、红边幅值和红边面积），并对基于红边参数的一元线性回归、多元线性回归和岭回归三种方法建立叶绿素含量的诊断模型进行对比分析。 主要研究内容和结果包括： （1）对比了积分球测量和余弦校正器测量两种不同测量方法所获取的透过光谱曲线，并利用余弦校正器方法测量本研究所需光谱数据。结果表明，在测量透过光谱数据时，余弦校正器紧贴平铺在光源下的样本背侧进行测量的方法在测量透过光谱时更有优势，同时验证了红边的概念在透过光谱数据中同样成立。 （2）分析了不同光照强下的透过光谱红边参数与辣椒叶片叶绿素含量的相关性。结果表明，透过强度红边参数与叶绿素含量的相关性更高，且受光照强度的影响较小，而透过率红边参数与叶绿素含量相关性在弱光环境下较低；6个测量光照强度中，1200μmol·m-2·s-1光照强度下测量的透过强度红边参数与叶绿素含量相关性最高。 （3）对比分析了一元线性回归、多元线性回归和岭回归方法建立基于透过光谱红边参数的叶绿素含量诊断模型。结果表明，一元线性回归模型的R2较低，且由于因素单一、误差较大等原因，估测能力低于多元线性回归模型；利用三种红边参数建立多元线性回归模型时，基于1200μmol·m-2·s-1光照强度下测量的透过强度红边参数建立的模型估测结果最好；其中，基于多元线性回归方法的叶绿素含量诊断模型估测结果相对误差为6.34%，基于岭回归方法的叶绿素含量诊断模型估测结果相对误差为6.25%。
NETL
