作物葉綠素含量是衡量作物長勢的重要指標，可為作物生產管理提供依據(jù)。抽穗期是冬小麥管理的關鍵時期，在此期間對冬小麥追肥可以促進冬小麥葉片生長、延長葉片功能期、提高光合效率和終產量。因此，對冬小麥抽穗期進行營養(yǎng)診斷，為冬小麥追肥提供指導，具有重要意義。
國內外已經(jīng)開發(fā)了相關的作物養(yǎng)分光譜檢測儀，通過獲取敏感波長、植被指數(shù)等參數(shù)檢測葉綠素、氮素、水分等信息。然而在利用冠層反射光譜檢測作物營養(yǎng)含量的分析中發(fā)現(xiàn)，在數(shù)據(jù)源方面，除作物和生長期的影響，田間光譜檢測過程中一般普遍存在高頻隨機噪聲、儀器漂移、樣本不均勻及光散射等對樣本的影響，需要對光譜數(shù)據(jù)進行預處理。
該研究設計開發(fā)了一套基于微小型光譜學傳感器的作物冠層反射光譜探測系統(tǒng)。系統(tǒng)主要由光學傳感器、數(shù)據(jù)存儲及傳輸模塊、控制器組成，直接使用手機瀏覽光譜檢測控制軟件界面。軟件則包含采集參數(shù)設置、采集控制、數(shù)據(jù)管理3個模塊。
實驗在中國農業(yè)大學小湯山實驗基地進行，實驗當天，天氣晴朗。首先采集了作物冠層反射光譜，之后將采樣葉片帶回實驗室，進行葉綠素含量的標準測定。對采集的冬小麥冠層光譜反射率進行一系列處理之后，對小麥葉片的葉綠素含量進行建模預測。
研究過程中，首先對原始光譜建立了葉綠素預測模型，建模精度為0.70，預測精度為0.1。然后針對處理后的數(shù)據(jù)集重新建立了新的葉綠素預測模型，建模精度為0.69，預測精度為0.52。
結果表明，預處理后的小麥葉綠素模型的預測能力有顯著提升，該模型將進一步在田間進行應用驗證，為后續(xù)實現(xiàn)大田冬小麥關鍵生長期營養(yǎng)診斷和管理決策提供支持。