芒草(Miscanthus sinensis)作为主要芒属植物,具有生物质产量高、栽培成本低、环境适应性强、开发潜力巨大等优良特性。重要的是,芒草在畜牧业中作为饲料、饲料添加剂以及优质牧草的开发方面发挥着重要作用,饲料中蛋白质含量作为重要检测指标成为饲料畜牧领域严格把控的关键。本研究利用近红外光谱技术作为芒草秸秆蛋白质含量测定的快速、高效、无损的分析方法,旨在发挥芒草的优良特性对饲料生产以及畜牧领域的饲用价值,并结合近红外光谱技术发挥其在新型生物质领域的推广应用。本研究的实验材料为来自不同国家的四所大学的芒草秸秆样品。利用凯氏定氮法作为化学法,将测定的化学值与近红外光谱技术结合创建芒草蛋白质含量定标模型,为芒草优良材料的选育及其饲用价值的评估打下坚实基础。实验研究结果主要如下:(1)通过对比四个来源地235份芒草秸秆蛋白质含量数据,结合芒草的生物量等特征,可以得出,原产地为中国的芒草蛋白质含量在茎秆干物质中所占的比例最高,均值达到1.3180%;其次是原产地为日本的芒草样品的蛋白质含量较高,均值为1.1234%;原产地为韩国、美国的的芒草秸秆样本蛋白质含量较低,均值分别为0.9215%、0.8572%。初步可以判断来源于中国的芒草蛋白质含量较为丰富,具有良好的饲用价值。(2)采用七种预处理方法优化光谱,经过一阶导数和基线校正预处理之后的光谱数据优于原始光谱,一阶导数预处理之后的R_c~2和R_p~2分别为0.962和0.947,SEC和SEP小于原始光谱,分别为0.080和0.097;基线校正预处理之后的R_c~2和R_p~2分别为0.954和0.949,SEC和SEP分别为0.087和0.095。相比其他五种光谱,一阶导数和基线校正的预处理方法效果最佳。(3)全光谱分析过程中共选择324份实验样本,采用四种建模方法:PLS,LSSVM,RBF＿NN和RBF＿LSSVM。其中,RBF＿NN的建模效果最优,R_c~2和R_p~2分别为0.9942和0.9508;四种建模方法中,三种非线性建模方法LSSVM、RBF＿NN和RBF＿LSSVM优于线性PLS方法。(4)基于特征波长的提取方法采用CARS-MLR和SPA-MLR两种方法,分别提取到84和35个特征波段,相关决定系数R_c~2分别为0.8826和0.9014,R_p~2分别为0.7518和0.8630。可以得出,两种特征波长提取方法整体效果不如全光谱分析的四种建模方法。总之,将芒草秸秆蛋白质含量的测定结合近红外光谱技术建立定标模型,为其提供了一个快速检测、可投入生产应用的参考模型,充分发挥芒草的饲用价值。