【目的】应用参数优化支持向量机对水稻施氮水平进行准确分类预测,为水稻精准施肥和高产管理提供科学依据。【方法】 以水稻品种金优458为试验材料, 设4个施氮水平 (从高至低折合纯氮用量分别为225、 150、 75和0 kg/ha),通过叶绿素测量仪SPAD-502获取水稻第6~9叶序叶片的SPAD值 (即叶尖、 叶中和叶枕的SPAD值), 并分别应用网格搜索算法和粒子群算法参数优化支持向量机对4个施氮水平下的水稻叶片SPAD值进行训练和预测分类。【结果】对于第7、 8叶序、 第7~9叶序及第6~8叶序叶片组合, 粒子群算法参数优化支持向量机对水稻施氮水平的分类识别效果均优于网格搜索算法,其准确率均高于75.000%, 对归一化处理后的第7、 8叶序叶片组合识别率最高, 达88.889%。【结论】基于粒子群算法参数优化支持向量机适用于水稻施氮水平分类预测, 能满足农学研究的需求。.