土壤质量是农业生产中保证农作物产量及品质的重要决定因素,总氮和有机质是评价土壤品质的两大重要成分指标,在农作物生长、发育、收获的过程中起着不可或缺的作用,快速获取土壤总氮含量及有机质含量,对于科学精准施肥,加快智慧农业发展进程具有重要意义。近红外光谱成分分析技术具有快速无损分析的优点,有望应用于大规模,大面积土壤成分检测。根据分光原理的不同,近红外光谱分析仪器可分色散型光谱仪、滤光片型光谱仪及干涉型近红外光谱仪等三类。目前,国内外尚未有可供使用的土壤有机质及全氮含量近红外光谱分析模型数据库,主要原因有两点:一是土壤样本数量较少,尚未实现覆盖较大区域的土壤有机质及全氮的近红外光谱采集;二是现有近红外光谱分析模型只能用于同型号甚至同台仪器,无法迁移通用,这也使得近红外光谱分析应用面临成本高、重复建模等问题。本论文针对以上问题,对土壤中有机质和全氮近红外光谱定量分析模型进行了系统深入研究。基于两台不同原理、不同结构的光谱仪,本文研究了不同种光谱进行模型迁移的可能性和迁移效果,论文主要内容如下:(1)对小型光栅型近红外光纤光谱仪和傅里叶变换近红外光谱仪的光谱分析模型进行了比较和差异成因分析。分别使用两种不同光谱仪的原始数据进行建模,验证了不同光谱仪获取的光谱数据可获得相近的预测效果。(2)搭建两种光谱仪之间的映射关系,使得一种光谱仪获取的数据使用另一种光谱数据搭建的预测模型进行预测能得到较好的预测效果。因两种光谱数据的变量维度不同,必须使其中一种光谱数据转换成另一种光谱数据才能使两种光谱数据同时适用于一种相同的光谱分析模型。本文使用经验模态分解的方法对Avantes光谱数据进行处理,处理后的数据经过主成分分析后提取特征,通过BP神经网络转换为Bruker原始数据的主成分分析特征,使用主成分特征搭建光谱转换模型。(3)使用不同的光谱预测模型比较了 Bruker光谱与转换后的Avantes光谱的预测误差和预测准确率。实验结果表明,Avantes光谱数据集经过转换后的预测效果较接近Bruker光谱数据的预测效果。但转换后的Avantes光谱数据与Bruker光谱数据仍存在一定的差异。以后的研究中可尝试消除这种差异,提升转换效果或利用这种误差提高预测精度。