氮素是植物生长发育、产量形成和品质提高的基础,及时了解氮素营养状况才能保证作物的正常生长发育。近年来,光谱技术在植物营养诊断中的应用成为人们研究和关注的焦点,该手段以快速、准确等优点替代常规化学分析方法,对实时诊断叶片氮含量具有重要意义。本文通过分析新鲜和粉碎状梨树叶片氮素光谱特征,分别从光谱信息采集的影响因素、样品选择、样品状态与模型参数等方面开展研究。结果表明：(1)利用植被探头和白板配合采集的梨树鲜叶反射光谱噪音小、光谱平滑,有利于提高预测模型的精度。叶片中部采集的光谱反射率最能代表整张叶片的光谱,由此确定了植被探头采集叶片的部位；确定了叶片上的灰尘对光谱反射率和植被指数的显著影响,在采集光谱前必须予以除去。(2)不同生育期梨树叶片氮含量的最大敏感波长略有不同,5月、7月和8月梨树幼果期、二次膨大期、采后期三个时期的最大敏感波长分别为715nm、710nm和718nm,建立的对应的氮含量和波长反射率的线性相关系数分别为-0.605、-0.6186和-0.7936；发现全波段(350-2500nm)和原始光谱形式最适合梨树叶片偏最小二乘预测模型的建立。三个时期预测模型精度最高时的主成分分别为11、13和12,模型的交叉验证决定系数(R2cv)分别为0.7381、0.7584和0.8977,交叉验证均方根误差(RMSECV)分别为1.815、2.005和0.9920g·kg-1。三个模型对未知样本的预测平均误差分别为3.78%、6.05%和3.30%；在全波段和原始光谱形式的基础上,指出全生育期光谱经移动平均平滑(segment size=3)预处理后的偏最小二乘氮素预测模型精度最高,此时主成分为10,交叉验证决定系数和均方根误差分别为0.9520和1.417g·kg-1。模型对未知样本的预测平均误差为4.48%,小于5%,因此此模型能很好的预测梨树叶片的氮含量。(3)对粉碎状叶片的含氮量和中红外光声光谱数据进行了分析,建立了烟台、泰安、营口、昌黎试验站和四站综合叶片氮素预测模型,并进行了验证。烟台、泰安、营口、昌黎试验站和四站综合数据的预测误差介于1.26～2.18g·kg-1,预测相关系数介于0.644～0.806,表明该方法预测的可行性较高,5个模型的预测效果为烟台>泰安>营口>综合>昌黎。烟台试验站预测误差为1.92g·kg-1,预测相关系数为0.806。因此,对于新鲜梨树叶片氮含量的快速测定可以选择可见／近红外反射光谱和化学计量学方法相结合进行建模；对于粉碎装梨树叶片氮含量的快速测定可以选择中红外光声光谱和化学计量学方法相结合进行建模。这两种预测模型均可满足梨树叶片氮素含量快速、方便测定的需要。