叶绿素是植物光合作用的主要物质,是植物生长发育状况和营养状况的重要指示剂,叶绿素含量的快速无损检测和叶绿素诊断的最佳叶位选择对于检测植物长势具有重要的意义。然而传统的实验室化学测量分析费时费力,不符合快速无损的要求。高光谱成像技术集光谱技术与成像技术于一体,是快速无损测量植物叶绿素的有效途径,并且得到越来越广泛的应用。本研究以油菜叶片为研究对象,应用高光谱成像技术建立了油菜八叶期的叶片SPAD值的快速检测模型,实现了SPAD值叶面分布可视化,并基于SPAD分布图确定氮素最佳测量叶位。主要研究工作与成果如下:（1）基于高光谱成像技术实现对油菜八叶期的叶片SPAD值快速无损检测。通过高光谱成像技术提取油菜叶片不同位置的可见/近红外波段（400nm-1000nm）光谱信息,利用偏最小二乘（PLS）方法在一阶求导(1stDer)、二阶求导(2stDer)、SG-平滑、标准正态变量校正（SNV）、去趋势化和多元散射校正（MSC）等6种预处理方法中筛选出最佳预处理方法,并应用逐步回归分析（SRA）方法提取经过最佳预处理方法---1stDer和SNV后的光谱数据的8个特征波长,基于全光谱和特征波长分别建立了线性PLS模型和非线性最小二乘—支持向量机（LS-SVM）模型。结果表明:基于全光谱下的SNV-LS-SVM模型,其建模集相关系数Rc=0.8444,均方根误差RMSEc=3.2051;预测集相关系数Rp=0.8437,均方根误差RMSEp=0.8437。（2）实现了SPAD值在叶片中的可视化表达。利用最佳模型---基于全光谱下的SNV-LS-SVM模型,对叶片高光谱图像中的每个像素点进行SPAD值预测,将同一叶片内部以及不同叶片之间SPAD值水平的差异通过可视化分布图详细、直观地表示出来。（3）文中使用基于SPAD分布图的最佳测量叶位选择的方法。它是基于SPAD分布图计算得到不同叶位和位点的SPAD值,通过与叶绿素a、b、a+b含量进行相关分析和回归分析,表明顶四叶顶部为氮素最佳测量叶位和位点,并且与传统的基于SPAD实测值选择的最佳测量叶位保持一致。说明利用高光谱成像技术选择氮素最佳测量叶位是可行的,扩大了高光谱成像技术在精准农业的实用范围。