采用美国MSR-16便携式多光谱辐射仪, 通过推导的辐射仪有效观测面积公式, 计算出测试单元数量, 有效解决了测量区域可见光各波段光谱辐射配比关系M_D所需测量次数不确定的难题。 采用美国CID公司生产型号为CI-310便携式光合作用测定系统, 测量大豆植株群体净光合速率C_D。 通过［0, 1］归一化方法对M_D和C_D进行归一化处理, 分别得到归一化数据M_D1和C_D1。 按不同测试时间划分, 将M_D1分成两部分数据M_D11和M_D12, 将C_D1分成两部分数据C_D11和C_D12。 使用polynomial核函数、 gauss核函数、 sigmoid核函数和自主研发的bio-selfadaption核函数, 利用grid-search, Genetic Algorithm, Particle Swarm Optimization对支持向量机惩罚参数c和参数g寻优, 在支持向量机epsilon-SVR公式、 nu-SVR公式条件下, 通过四种核函数、 三种优化方法、 两种公式的交叉组合、 M_D11、 C_D11, 建立大豆植株群体净光合速率预测模型。 试验结果表明, 在大豆植株试验区域面积S=17 m2和MSR-16便携式多光谱辐射仪放置于大豆植株冠层上方高度H=2 m条件下, epsilon-SVR-bio-selfadaption-grid-search模型对预测集1 C_D12的预测精度达到85%以上, 对预测集2 C_D12的预测精度达到82%以上。 在S和H其他组合条件下, epsilon-SVR-bio-selfadaption-grid-search模型对预测集2 C_D12的预测精度达到81%以上。 epsilon-SVR-bio-selfadaption-grid-search模型表明了bio-selfadaption核函数有效性、 测量区域可见光光谱数据方法合理性、 利用可见光光谱预测大豆植株群体净光合速率可行性。