土壤是人类生存及发展的物质基础和最根本的生命来源。煤炭的开采虽然在一定程度上给社会带来了巨大的经济效益,但是也带来大量的负面效应,造成地下水下渗、水土流失、地面沉降、出现裂缝、大面积的采空区和土壤质量及性能的严重下降。近些年来,随着一系列土地复垦工程的执行,煤矿区得到了一定程度的控制和治理。近红外光谱分析技术是现代科学的研究热点之一。与传统的化学计量法相比,具有能够快速、准确、无污染、无损的得到土壤养分信息的优点,对评价土壤质量、监测土壤质量信息提供了重要手段。鉴于此,本论文对在淮南市潘一煤矿复垦区采集的100份土壤样品进行有机质含量化学分析以及室内土壤样品的光谱数据采集,并且利用6种数学方法(平滑、一阶微分、二阶微分、倒数的对数一阶微分、倒数的对数二阶微分、归一化)对土壤样品的原始光谱信息进行预处理,并通过皮尔森相关性筛选出显著性相关的特征敏感响应波段,最后,利用这些显著相关的特征波段构建6种复垦区土壤有机质偏最小二乘回归模型。研究结果表明,6种复垦区土壤有机质偏最小二乘回归模型反演实测值和预测值的相关系数、均方根误差、相对百分比偏差分别是,平滑模型:0.53、2.21、1.58;一阶微分模型:0.74、1.50、1.92;二阶微分模型:0.65、2.12、1.78;倒数的对数一阶微分模型:0.69、1.89、1.83;倒数的对数二阶微分模型:0.63、1.88、1.65;归—化模型:0.80、1.08、2.10;综合各类模型评价指标,归一化处理构建的复垦区土壤有机质含量偏最小二乘回归模型稳定性和预测精度的效果是最好的。本文研究结果也比较符合前人研究的结果,从而又一次证明了该方法在现实生活中的普适性,在分析土壤成分物质信息近红外光谱特征、揭示近红外光谱特征敏感响应波段与土壤有机质含量的关系这方面是一个非常好的尝试。