近红外光谱检测技术是一种快速、无损和绿色环保的测试技术,在农业信息检测领域已显示出其独特的优点。土壤有机质是土壤的重要组成部分,是评价土壤肥力的重要指标,开展土壤有机质的快速检测具有实际应用价值。针对近红外光谱检测中存在的模型传递问题,即在某一测试环境下建立的近红外定性定量预测模型不适用于其他检测环境所采集的数据。本研究以土壤有机质为研究对象,开展了关于此方面的研究工作。具体实现过程为：选用同一光谱检测仪,首先在不同时间对不同批次的土壤样本进行近红外光谱检测,获得其谱图；然后用第一批次检测样本建立的土壤有机质定量预测模型(本研究设为“源机”样本检测及定量模型的建立)采用不同的模型传递方法预测第二批次检测样本的土壤有机质含量,研究这些模型传递方法在本研究中是否适用。具体开展的研究工作和结论为：1.对近红外光谱及相关技术和方法进行了综述。在此基础上,提出了采用近红外光谱检测存在的问题及本研究的研究内容。2.对模型传递的基本原理及国内外关于模型传递的研究概况进行了综述分析,重点介绍了本研究中拟选用的几种分析方法,在此基础上提出本研究实现模型传递的具体思路。3.采用近红外光谱仪开展了“源机”光谱试验,并采用偏最小二乘回归分析方法建立了“源机”土壤有机质的定量预测模型,模型的相关系数为0.962,校正标准差RMSEC为0.383,校正集样本的标准偏差SEC为0.358,采用该模型对“源机”样本进行了自测,预测样本的相关系数为0.961,预测集样本的标准差RMSEP为0.600,预测集样本的标准偏差SEP为0.597,模型的效果比较理想。4.采用近红外光谱开展了“目标机”光谱试验,采用结论3建立的定量预测模型在对“目标机”光谱不作任何处理的条件下,对“目标机”样本的土壤有机质含量进行了定量预测,结果预测相关系数为负值,说明采用该模型预测“目标机”样本是不可行的。5.通过扩充校正集样本的方法,重新建立校正模型,以达到提高模型普适性的目的。结果表明,当进入校正集样本中“源机”样本和“目标机”样本数相近时,相关系数可达到0.860,但当采用该模型对“目标机”样本的土壤有机质含量进行预测时,预测效果并不是很满意。说明模型不具有传递效果。6.对“源机”和“目标机”样本采用db4函数5层小波变换,提取了“源机”和“目标机”样本中高频和低频信息。结果表明,“源机”和“目标机”的高频信息在细节数d3处很相似,甚至于基本一致,但二者的低频信息相差很大,经比较后低频系数a5和“源机”低频最相似,将其作为“目标机”样本光谱信息,并采用“源机”建立的定量预测模型对其进行了土壤有机质含量预测,结果表明其预测结果与结论4得出的结果很相近。表明采用该方法进行模型传递也是不可行的。7.采用正交信号校正方法对“目标机”光谱进行了校正,并采用“源机”建立的定量预测模型对校正后的光谱进行了土壤有机质预测。结果表明当对“源机”定量模型中的回归系数乘校正系数10时,定量预测效果达到最佳,预测相关系数为1,预测集样本的标准偏差SEP为0.3181,预测集样本的标准差RMSEP为0.3052。