天然橡胶作为一种重要的生产资料,其产量与我国经济的发展有着直接的联系。同时,氮元素作为一种对植物生长非常关键的营养元素,其含量富有或者缺乏直接关系到橡胶的产量。合理的氮肥施用可以提高天然橡胶的产量。目前常用的氮素估计手段有基于经验的估计法以及通过化学方法在实验室内进行分析,这些方法或不够精确,或比较耗时、需要专业的技术人员以及对于环境有污染;同时,随着精细化农业的发展,对作物生命信息掌握的需求不断增加,传统的氮素分析手段已经满足不了精准农业的需求。因此,一种快速高效的橡胶树氮素含量诊断手段是提高天然橡胶产量和现代天然橡胶产业发展的必然需求。本文针对自然生长状态下橡胶树叶片及其光谱特征进行了深入、系统的分析,建立了橡胶树氮素含量的定性、定量光谱诊断模型。主要的创新内容如下:1、基于BP-Adaboost算法的橡胶树氮素含量水平光谱诊断模型研究。以原始光谱反射率的预处理、特征的提取和氮素含量诊断模型的建立为基本路线,根据GB/T 29570-2013(橡胶树叶片营养诊断技术规程),提出了基于BP-Adaboost 算法的橡胶树氮素水平的诊断模型,实现了橡胶树氮素含量水平的快速判定。系统的对橡胶树叶片的原始光谱进行了分析,并从中选取了 15个特征明显的光谱波段,分别建立了贝叶斯判别分析模型、基于BP神经网络的氮素含量诊断模型和基于BP-Adaboost算法的橡胶树氮素含量水平光谱诊断模型。其中基于BP-Adaboost算法的橡胶树氮素含量光谱诊断模型最优,识别率达到92.98%。2、针对传统求导预处理算法基线校正、挖掘细节的同时可能存在的放大噪声问题,提出了一种基于分数阶微积分的光谱数据预处理方法。依靠分数阶微积分的高自由度以及非局部特性,在全局范围内寻求细节提取和噪声抑制的平衡点,增强光谱信息,为建立高效准确的橡胶树含氮量检测模型提供基础。3、提出了一种基于分数阶微积分算法的橡胶树氮素含量水平光谱诊断策略。利用倒数变换光谱,进行分数阶微积分处理获得0～2阶的分数阶光谱数据,利用支持向量机和超限学习机的方法进行模型的建立。对比分析了所建模型的预测效果及分数阶处理对两种模型识别效果的影响。结果表明,利用0.6阶光谱和1.6阶光谱建立的模型的预测效果较好,并且利用连续投影算法处理后可以极大的简化模型。最优的超限学习机模型的识别精度为95.45%。4、提出了基于分数阶光谱的橡胶树氮素含量回归模型。利用分数阶微积分对原始光谱数据进行求导运算,获得了 11个阶次下的分数阶光谱数据。利用偏最小二乘算法建立了不同阶次下橡胶树氮素含量的光谱回归模型。通过对比分析不同光谱方法及不同阶次下模型的预测效果得到0.6阶倒数光谱预测效果最好。最优橡胶树氮素含量诊断模型的预测均方根误差RMSE=0.1186,相关系数R=0.9245。