马尾松是我国南方主要的造林树种,其苗木质量的好坏对于造林的成败具有关键作用。形态学指标、生理指标和动态指标是评价苗木质量的三个主要方面。传统的测量方法不仅过程复杂,耗时长,而且精度不高并对苗木本身有损害,因此研究高效、经济、无损的测量方法显得尤为重要。本文旨在马尾松苗木生理指标与生长速率测定关键技术研究。分别采用近红外光谱检测技术和激光散斑技术完成对马尾松苗木生理指标和根生长率指标的快速精确的检测。主要分为以下两个部分:(1)本文采用近红外光谱分析技术对马尾松苗木根部水分含量进行快速、精确、无损检测。近红外光谱分析技术由于具有无损、快速的特点而被广泛用于材料含量预测,本文提出了将可变加权堆叠自动编码器结合支持向量机回归光谱分析模型用于预测马尾松苗木根系的含水量,可变加权堆叠自编码器用来逐层提取与输出相关的特征,支持向量机回归根据自编码器生成的特征进一步精确预测含水量。实验结果表明,与其他常用模型的结果相比,本文提出的模型在马尾松苗木根系水分预测中可以达到最佳性能,校正集中R~2达到0.9708,RMSE为0.6358,预测集中R~2达到0.94,RMSE为1.03。(2)本文把激光散斑技术应用于苗木根部微小位移变化的检测。通过光学干涉方法中的统计干涉方法分析激光散斑相位的概率密度函数以得到物体相位,以此测得短时间内苗木根部的形态变化,从而把传统的根部形态变化判断从一个月缩短到数秒钟以内,提高了测量精度,同时与传统的宏观尺度测量方法进行了比较,表明统计干涉法监测植物根系纳米级生长动态的充分性。本文所研究的实验系统代替了传统的苗木测量生理指标与生长速率测定方法,获得了更加精确、稳定、可靠的结果,作为评价苗木质量的先进技术手段是可行的。