土壤中的氮、磷、钾是作物生长与发育所必须的重要营养元素,是土壤肥力评价和农作物发育生长状态评价的重要指标。因此,土壤养分含量快速估测对作物生长监测和土地资源合理利用具有重要意义。养分元素传统的测定方法存在费时费力、高成本等一系列问题,作为当前定量遥感热门技术的高光谱遥感,利用连续光谱通道记录土壤完整光谱信息,通过建立养分元素含量与土壤特征光谱间的估测模型,实现土壤养分含量快速估测,其发展为土壤养分含量数据的获取提供了一种高效、便捷的手段,能够在土壤质量评价和精准农业管理中发挥重要作用。本文以吉林省辽源市横道河镇为研究区,以区内92份土壤样品养分元素含量和地面高光谱实测数据为数据源,在对土壤光谱数据进行平滑去噪、断点去除、光谱特征变换和重采样等预处理后,分析了光谱反射率、吸光度、连续统去除以及一阶微分等不同光谱特征变换与土壤氮元素、磷元素和钾元素含量的相关性;通过显著性检验筛选出各养分元素特征敏感波段,利用竞争性自适应重加权算法对各元素的最佳变换形式筛选出的敏感波段进行降维计算,分别选取多层感知器神经网络、支持向量机和梯度提升树3种机器学习算法构建研究区土壤养分元素估测模型,并通过计算模型决定系数、均方根误差等精度指标对模型估测精度进行对比分析。通过本次分析研究,得到的主要研究成果如下:研究区土壤样品光谱曲线整体趋势大致相同,光谱反射率随着波长的增大而逐渐降低。土壤光谱曲线随着氮元素含量的增加光谱反射率呈降低趋势,但与磷元素、钾元素含量相关性规律不明显。连续统去除和一阶微分处理均能突出光谱细节特征,提高相关性,其中氮和钾两种元素含量与光谱吸光度一阶微分相关性最高,磷元素含量与反射率一阶微分相关性最高。在3种模型中,梯度提升树回归建模结果优于多层感知器神经网络和支持向量机,氮元素估测精度明显高于磷元素和钾元素。利用竞争性自适应重加权算法降维后的光谱数据构建估测模型,预测能力与稳定性均都得到一定程度提升。