样品温度变化会对模型预测结果产生影响, 为解决这个问题, 首先, 对同一样品不同温度下的光谱与同一样品相同温度的光谱进行了比较。 结果显示, 不同温度下的光谱差异较大。 然后研究了样品温度对玉米粗蛋白模型的预测结果的影响, 对随机选取的粗蛋白含量为6.04%的样品不同温度采集光谱, 对这些光谱进行预处理消除温度之外的因素对光谱的影响, 将预处理后的光谱代入已建立好的模型中进行预测, 结果显示, 预测结果与实测值之间的差别随着光谱温度与建模温度相之间差别的增大而增大, 最大的误差为1.12%。 为了解决温度对模型预测结果的影响, 进而分析了温度与不同温度下的光谱数据之间的关系, 发现在去除了光谱两端噪声较严重的区域后, 不同温度下, 同一波长点处的光谱数据之间存在一定的线性关系。 依据这一发现, 文中提出了温度修正理论, 以建模时的光谱为基准光谱, 然后根据温度与光谱之间的线性关系使用线性回归算法对不同波长点的光谱进行一元线性回归, 求出不同温度下的光谱与基准光谱之间的差, 最后将不同温度下的光谱校正为基准光谱, 通过该理论对光谱进行校正之后, 不同温度下的同一样品的光谱之间的差别和修正之前相比已经有了很大改善, 将修正后的光谱代入模型, 大部分预测结果得到了提高, 符合国家标准±0.5%以下的要求。 最后使用和建模无关的34个不同含量的样品对该温度修正理论进行验证, 光谱修正前后粗蛋白的模型预测值与标准理化值决定系数分别为0.910和0.982, 均方根误差分别为0.558和0.172, 平均相对误差分别为6.05%和1.75%。 该温度修正理论从近红外光谱分析的本质上进行了温度修正, 为其他样品的温度修正提供了参考, 有利于手持式近红外光谱仪使用的推广。