高光谱测量技术的不断改进和多变量统计算法的深入具体研究使得高光谱技术得到越来越广泛的发展,在农业领域的应用不断丰富和深入,取得了很好的研究结果。使用高光谱技术对土壤主要养分进行预测建模,可以避免传统化学测定方法耗时、费力、成本高、污染环境等问题,实现大范围、快捷、无损的监测。随着建模方法的不断改进,同时监测多种土壤理化特性的模型不断被提出,使得高光谱技术在农田土壤方面的应用更具优势。评价高光谱预测模型优劣的主要标志是模型的预测能力和稳定性。因为高光谱技术自身高分辨率、多波段、大数据量的特点,使高光谱技术可以用来表达细微信息的同时,给预测模型建立带来了更多的要求。光谱数据的预处理方法和建模方法的选取,直接影响到建模的精度。基于此,本文选取了25种数据预处理方法,结合两种主要的建模方法,对河南省四种主要土壤类型潮土、褐土、砂姜黑土、水稻土的室内过筛土壤进行建模比较,依据模型的预测能力和稳定性,选取了不同土壤类型的最佳预测模型。总结了不同土壤类型建模最适宜的预处理方法,结果表明对于室内测定过筛土壤高光谱,使用导数法及多种预处理相组合的方法,可以提高建模精度。不同的数据平滑点数的选取依据光谱数据的差异对建模精度影响不同,且不是所有数据预处理转换方法都能提高建模精度,通过尝试对比,可获取最佳的预测模型。不同建模方法选取的有机质敏感波段有差异,但主要集中波段相似,研究结果发现潮土有机质高光谱敏感波段主要集中在400-600nm的可见光波段、近红外的800nm附近,以及三个水分吸收波段1400nm、1900nm、2200nm附近。褐土有机质高光谱敏感波段主要集中在650nm-750nm的可见光波段、近红外的920nm、1820nm以及水分吸收波段2200nm附近。砂姜黑土有机质高光谱敏感波段主要集中在500-600nm、780nm附近的可见光波段、近红外的1320nm、1800nm附近、水分吸收波段2250nm附近以及2400nm附近。水稻土有机质高光谱敏感波段主要集中在500-700nm附近的可见光波段、近红外的1700nm、1800nm、2400nm以及水分吸收波段2250nm附近。可见光波段及水分吸收波段2250nm附近是四种土壤有机质的共同敏感波段。为了建立更为实用的预测模型,本文特别选取具有不同有机质含量梯度及不同土壤属性的长期定位试验区原状潮土,通过室内浸水-低温烘干操作,获取模拟大田不同土壤含水量及养分状况的样品,分别进行室内及野外光谱的采集与建模。所建模型预测能力和稳定性都较高,尤其是土壤含水量预测模型,检验模型的决定系数Rv2达到0.955,误差RMSEv仅为0.026(n=356),该模型可以用于预测潮土不同肥力条件及湿度条件下土壤有机质含量及土壤含水量大小。建模过程采用不同的预处理方法加以对比、筛选,结果表明,相比使用过筛土壤建立预测建模,对原状土光谱建模时选取的最佳预处理方法不同,能够消除测定系统噪声及样品表面测定差异的标准化预处理方法如多元散射校正、标准正态变换等建立的预测模型精度最高。而对过筛土壤室内预测模型具有很好提升模型精度作用的导数法,尤其是二阶导数法,不适宜原状土光谱模型。使用导数法增强了光谱噪声,降低模型精度风险较大。同时,本文对获取的不同土壤水分含量及有机质水平的356份室内原状土光谱和253份野外原状土高光谱按照五个含水量层次和中、高、低三个有机质水平分别建立了各自适应的5个有机质预测模型及3个土壤含水量预测模型。所建模型的精度更高,并且选入的波段较少,使预测模型简单,获取模型所需光谱数据更加容易,增加了模型的实用性,这些预测模型可用于原状潮土有机质和土壤含水量的预测。本研究通过分析室内、野外测得的大量具广泛代表性的潮土原状土壤光谱,总结了室内及野外条件下,原状土壤高光谱模型选取的敏感波段的异同,发现两种测定条件下模型选取的敏感波段相似,但野外模型选入的波段更少,500-700nm可见光波段,900nm附近的近红外波段是有原状潮土机质敏感的共同波段,可见光的400-580nm波段是潮土原状土水分的共同敏感波段。