摘要：研究利用近红外光谱（near-infrared,NIR）和化学计量学方法估测小麦（Triticum aestivum）新鲜叶片和粉末状干叶中全氮含量的可行性,并建立小麦叶片氮含量估测模型,以期为小麦氮素营养的精确管理提供理论依据。以3个小麦田间试验观测资料为基础,分别运用偏最小二乘法（partial least squares,PLS）、反向传播神经网络（back-propagation neural network,BPNN）和小波神经网络（wavelet neural network,WNN）,建立小麦叶片氮含量的鲜叶和粉末状干叶近红外光谱估测模型,用随机选择的样品集对所建模型进行测试和检验。结果显示,利用PLS、BPNN和WNN3种方法构建的近红外光谱模型均能准确地估测小麦叶片氮含量,其中基于BPNN和WNN的模型优于基于PLS的模型,且以基于WNN的模型表现最好。对模型进行检验的结果显示,粉末状干叶模型的预测均方根误差（RMSEP）分别为0.147、0.101和0.094,鲜叶模型的RMSEP分别为0.216、0.175和0.169,模型的相关系数均在0.84以上。因此,利用近红外光谱估算小麦叶片氮素营养精确可行,对其他作物的氮素营养估测提供了借鉴和参考。

关键词：叶片 近红外光谱 神经网络 偏最小二乘法 氮含量 

单位：南京农业大学/国家信息农业工程技术中心 江苏省信息农业高技术研究重点实验室 南京210095