柑橘黄龙病对世界柑橘产业产生巨大危害,及时发现病树以采取砍树等措施是防治黄龙病的关键,实验室诊断方法由于检测周期长、成本高等原因而实用性不强,田间病树判定方法主要是观察症状,受个人经验与主观影响,尤其是在没有特异性症状的情况下,结果不可靠,导致果农质疑阻挠。本文探索建立了适用于田间的黄龙病近红外快速筛查技术,在前人基础上,开展了以下研究:1、对比选择最优的树叶光谱数据预处理方法。采集4种经过实验室经典方法确证的脐橙叶片:未染病缺素叶片、未染病不缺素叶片、染病显症叶片、染病未显症叶片。用便携式近红外光谱仪采集叶片光谱数据,再分别用不同的数据预处理方法进行处理并建模,对比模型参数选择最优的数据预处理方法。结果表明:与归一化、标准化、标准正态分布（SNV）、一阶导数、二阶导数相比,多元散射校正（MSC）法的数据预处理能力最好,总识别率达到95.0%。2、基于树叶的黄龙病近红外快速检测模型研究与应用。确定最优的数据预处理方法后,用不同的建模方法建模,对比模型参数,确定最优的建模方法。结果表明:与K邻近算法、随机森林法、朴素贝叶斯、集成学习方法相比,偏最小二乘线性判别分析的建模效果最好,总识别率达到99.47%。将该模型内置于便携式近红外快速检测仪,到田间对720个树叶样本进行预测,以经典PCR法进行参照对比,结果表明:模型的预测识别率达到97%,假阳性率小于1%。3、创新建立树皮韧皮部的标准化取皮法。为了标准化取皮,用树皮环剥器在树干纵向取皮,结果表明:树皮宽度均为0.5cm,平均长度为11.34cm,平均厚度为0.15cm。4、对比选择最优的树皮韧皮部光谱数据预处理方法。用标准化取皮法采集未染病果树树皮和染病果树树皮,用近红外光谱仪采集树皮韧皮部光谱数据,再分别用不同的数据预处理方法进行处理并建模,对比模型参数选择最优的数据预处理方法。结果表明:与标准正态分布法（SNV）、多元散射校正法（MSC）、1阶导数法（First derivative）和2阶导数法（Second derivative）相比,归一化法（Normalization）的数据预处理能力最好,对应模型的均方根误差为1.8890×10^-5。5、对比不同采样部位对于黄龙病近红外快速检测模型的影响。分别在同一时间采集同一批果树的树叶和树皮,用同样的数据预处理方法进行处理,并建立模型,对比两者对应的模型参数。结果发现:用树叶光谱数据、树皮韧皮部光谱数据、“树叶+树皮”光谱数据建立的近红外检测模型,精度都较高(RMSEP在10^-5量级)且依次下降,而决定系数依次增加。树叶部位采集光谱(RMSEPL=1.6909×10^-5,rL²=0.9396)预测精度最高,数据拟合度最低。而综合树叶和树皮部位的光谱建立模型(RMSEPC=2.5676×10^-5,rC²=0.9603),其精度虽然最低,但数据拟合度最高,只有树皮采样方案所得模型的精度(RMSEPB=1.8890×10^-5)、预测能力（rB²=0.9415）都能保持在良好水平。