在我国农业耕作中,化肥农药的过量和不正当使用,带来日益严重的环境污染和食品安全问题。为了解作物的生长状况,正确施肥,本论文以光谱学原理为理论基础,建立了甘蔗叶片光谱反射率预测其长势模型,并进行了甘蔗长势检测仪器的开发。本论文以甘蔗(新台糖22号,ROC22)为研究对象,探索了多种建模方法在叶片反射光谱预测叶绿素含量上的精度,包括主成分分析、一元线性回归、多元线性回归、BP神经网络等。研究首先在可见-近红外全光谱中提取了 5个主成分,并由此分别建立了多元线性回归模型(模型1)及BP神经网络模型(模型2),模型预测值与实测值的R2分别为0.7852与0.8929。另外,为了更利于工程应用,进一步探索了以731 nm、785 nm敏感波段及其光谱指数为输入量的模型。其中,基于NDVI的一元线性模型(模型3)的R2为0.7470,基于2个敏感波段及其NDVI、RVI的多元线性模型(模型4)与BP神经网络模型(模型5)的R2分别为0.7691与0.8482。研究结果表明:BP神经网络预测模型精度高于一元及多元线性回归模型。模型1的预测精度最高,其预测值与实测值的R2达到了 0.8929,但是由于该模型需要全波段的光谱信息,限制了其工程应用。而只需两个敏感波段信息的模型5的精度次高,R2达到了 0.8482,工程应用价值最高。除此之外,本研究还在光谱学研究的基础上,开发出了一套基于敏感波段的低成本作物营养诊断仪,并在标定试验中,与ASD便携式地物光谱仪同时对不同色卡进行了测量,二者的测量结果具有很高的相关性,R2为0.9267。反映出该仪器具有较高的精度,具有对作物进行无损、实时和准确诊断的潜力。