摘要：基于可见近红外高光谱建立番茄叶片水分含量快速诊断模型,对不同光谱处理及建模进行优选,对水分含量分布进行可视化研究。结合阈值法采集不同生长期192个番茄叶片感兴趣区域光谱信息进行预处理比较,分析β权重系数法、连续投影算法(SPA)、无信息变量消除(UVE)、竞争自适应加权算法(CARS)及UVE-SPA、CARS-SPA组合方法特征波长优化方法,利用提取特征波长对多元线性回归(MLR)、主成分回归(PCR)及偏最小二乘回归(PLSR)水分含量建模方法进行有效性评价,优化出最佳组合模型,采用特征图像光谱反射权重系数实现叶片含水量及其分布的可视化,解析叶片含水量光谱响应特性。最终确立Baseline为最佳波段预处理方法,全波段建模预测集相关系数R_p达0.97;提取特征波长后,Baseline-CARS-MLR为叶片水分含量预测最佳模型,预测集相关系数R_p为0.95,预测集均方根误差RMSEP为0.042。基于高光谱成像技术快速评估叶片水分含量具有一定优势,为活体番茄植株生长水分亏缺状况实时评估及智能化灌溉技术提供理论依据。