摘要：利用近紅外光譜技術(shù)預(yù)測蒙古櫟（Quercus mongolica）抗彎彈性模量（MOE）,提出GN（global and neigh-borhood）樣本優(yōu)選與CPLS多模型共識的建模方法。選取近紅外光譜譜段為900-1 700 nm,徑切面和弦切面采集。首先,采用一階導(dǎo)數(shù)與S-G卷積平滑相結(jié)合的方法進(jìn)行數(shù)據(jù)預(yù)處理;然后,利用GN算法計算光譜樣本間的全局和鄰域馬氏距離,實(shí)現(xiàn)蒙古櫟MOE異常樣本的剔除與校正集、預(yù)測集的自動劃分;最后,融合具有多個成員樣本子集的PLS模型,構(gòu)建CPLS共識模型,取平均值作為最終預(yù)測結(jié)果。實(shí)驗(yàn)采用135個300 mm×20 mm×20mm的無疵小試樣為樣本,剔除異常樣本12個,并選取其中78個為校正集樣本,45個為預(yù)測集樣本。結(jié)果表明,一階導(dǎo)數(shù)處理能夠消除光譜背景平緩區(qū)域干擾,S-G能消除小峰值無關(guān)吸收峰的影響;GN樣本優(yōu)選與CPLS結(jié)合的建模方法,預(yù)測相關(guān)系數(shù)為085,相對分析誤差（RPD）為193,預(yù)測效果比傳統(tǒng)PLS建模更好,且穩(wěn)定性有所提高,但該改進(jìn)模型方法的RPD依然小于25,因此,可做初步分析,準(zhǔn)確地進(jìn)行定量預(yù)測依然存在局限性。