传统的叶片含水率诊断方法存在诊断方法繁琐且耗时长、分辨率不高、易受外界干扰、损伤叶片等缺点,本研究以一品红作为研究材料,通过粗糙集和模糊集的杂合,分析植物电特性与其水分含量之间的相关性,并关注阻抗谱测量时的温度,以期由植物电特性来反应植物的水分状况,实现植物叶片含水率的快速、无损测量。但由于在植物的亏水过程中,不断地在不同的扫描频率下进行植物阻抗谱的测量,产生的数据量十分巨大,需要采用自动化程度更高、效率更高的数据处理方法来处理大量数据。为了解决这个问题,本文提出了将粗糙集和模糊集杂合的方法对采集的数据进行分析处理,最终从粗糙模糊决策表中提取概率决策规则。这种方法不但约去了不必要的属性和属性值,而且在规则集里的每条规则的支持数和置信度,为决策者提供了更科学的决策依据。本文的主要工作如下：1.介绍粗糙集和模糊集的基本概念,然后将粗糙集和模糊集进行比较,阐述二者“杂合”的可能性。2.使用阻抗仪及其改装后的测试夹具采集一品红阻抗谱数据,并测量温度、叶片含水率,建立原始的决策表,然后进行数据预处理,提出了一种适用于本研究、改进的单规则离散器的离散方法。3.根据决策表的一致性判断进行属性约简,并提出了一种从粗糙模糊决策表中提取概率决策规则的属性值约简方法,最后根据得出的决策规则,可以通过温度、植物电容和电阻的测量值,得出一品红当前的叶片含水率。4.由Visual Studio 2010开发环境和ADO.NET数据库访问技术实现整个数据处理系统的各个模块,最后运行程序,并用实验数据验证,该杂合粗糙集方法有效可行。