1、近紅外光譜分析技術具有簡單、快速、準確、無污染、重復性好、便于實現在線分析等優(yōu)點，己經在某些領域得到了應用，并且發(fā)展迅速，前景廣闊.但目前近紅外光譜的分析技術應用還主要集中在石化、糧食、醫(yī)學等行業(yè)，為了拓寬其應用范圍，為植物生長信息獲取探尋一個快速，無損的檢測方法，本研究是以設施農業(yè)中的作物一尖椒（Pointed paprika，茄科，辣椒屬）為研究對象，利用近紅外光譜分析技術獲取尖椒葉片生長信息（以葉綠素、水分和SPAD為例）的方法.

2、本研究有兩個重點：一是研究利用近紅外光譜技術獲取尖椒葉片葉綠素的光譜信息時，不同的預處理、建模方法、波段選擇、異常樣品剔除方法，對預測模型的影響；二是利用近紅外獲取尖椒葉片葉綠素的光譜信息，并利用光譜分析技術、化學計量學等方法建立預測尖椒葉片葉面水分、SPAD和葉綠素含量的預測模型.
　　 本文通過常規(guī)化學分析方法獲取了尖椒葉片中的水分和葉綠素含量.利用美國尼高力(Nieolet)儀器公司的高性能高精確度NEXUS智能光纖漫反射

3、附件的光譜測量方法獲取葉面的光纖漫反射光譜.同時時近紅外光譜分析實驗進行了重點研究，通過對樣品處理方法、掃描條件、譜圖的預處理、建模方法、異常樣品剔除等因素的分析，確定譜圖最佳預處理方法及最佳預測模型的參數如下：
　　 水分的最佳預處理方法為水分原始光譜+MSC，最佳預測模型的參數分別為：
　　 R=0.95978, RMSEC=0.00735, RMSEP=0.0165, f=-8葉綠素的最佳預處理方法為SNV+一階微

4、分+13點平滑，最佳預測模型的參數分別為：
　　 R=0.95205, RMSEC=0.0775, RMSEP=0.117, f=8SPAD值的最佳處理方法為MSC+---階微分+5點平滑，預測模型的參數分別為：
　　 R=0.99273, RMSEC=6.32, RMSEP=1.21, f=8最佳建模方法為偏最小二乘法(PLS).模型預測的結果也是準確的，可代替標準方法或參考方法進行尖椒葉片葉綠素含量的快速測定.