1.一种基于NSGA2-ELM的粳稻叶片氮素含量反演模型方法，其特征在于，包括以下步骤：S1、获取粳稻叶片高光谱数据：采用光纤光谱仪进行粳稻叶片光谱数据收集；

S2、筛选特征波段，分别作为粳稻叶片氮素含量反演模型的输入变量；

S3、采集的粳稻叶片氮素含量，作为氮素含量反演模型的输出变量；

S4、采用非支配的精英策略遗传算法优化极限学习机即NSGA2-ELM，建立粳稻叶片氮素含量反演模型。

2.根据权利要求1所述的一种基于NSGA2-ELM的粳稻叶片氮素含量反演模型方法，其特征在于，所述NSGA2-ELM优化过程如下：第一步：根据样本数据集确定ELM的网络拓扑结构，将神经元之间的权重和偏向值构成实数向量，用以表示种群M中的个体，同时随机生成实数向量的初始值构成大小为N的第一代父代种群P；

第二步：对父代种群进行非支配排序，并采用传统的遗传算法对父代种群进行选择、交叉和变异操作产生大小为N的子代种群P1，将种群P和P1合并为大小为2N的种群B；

第三步：对种群B进行非支配排序，获得非支配解的前端Ft，即为非支配面的F1、F2和F3，并计算拥挤度，之后采用精英保留策略筛选最优个体，即由于子代和父代种群个体均包含在种群B中，则采用非支配排序后的F1中的个体为种群B中最佳的，因此现将F1全部个体放入新父代种群P3中；

若P3小于N，则继续将F2中的个体加入种群P3中；

若P3仍小于N，则对F3进行拥挤度排序，取N-|P3|个种群个体添加至P3，直至P3种群大小为N；

然后采用遗传算法对种群P3进行选择、交叉和变异产生新的种群P4；

第四步：重复n次上述计算过程，达到设定的最大迭代次数则停止迭代，得到最佳ELM的最佳权重和偏向值，完成优化。

3.根据权利要求1或2所述的一种基于NSGA2-ELM的粳稻叶片氮素含量反演模型方法，其特征在于，所述光纤光谱仪为美国海洋光学公司生产的光纤光谱仪HR2000+。

4.根据权利要求1或2所述的一种基于NSGA2-ELM的粳稻叶片氮素含量反演模型方法，其特征在于，采用随机青蛙算法与迭代和保留信息变量算法相结合的方式筛选特征波段。

5.根据权利要求1或2所述的一种基于NSGA2-ELM的粳稻叶片氮素含量反演模型方法，其特征在于，通过凯氏定氮法测定采集的粳稻叶片氮素含量。