【摘要】【目的】本文旨在探究矿业复垦土壤有机质含量的快速估测方法,为矿业复垦土壤质量快速监测提供技术参考。【方法】以湖北省某矿业复垦区作为研究对象,对复垦土壤光谱反射率进行了3种光谱变换;以全波段和显著性波段(与有机质含量的相关系数通过P=0.05检验)为2种建模数据,采用偏最小二乘回归(Partial Least Squares Regression,PLSR)、随机森林回归(Random Forest Regression,RFR)以及支持向量机(Support Vector Machine, SVM)3种方法,建立并优化遴选土壤有机质含量反演模型,并基于优化模型进行算术平均值二次估测。【结果】对于PLSR与SVM模型,采用显著性波段建模R~2和RPD整体上更高,而RFR模型采用全波段建模R~2和RPD较高;基于显著性波段建立的一阶微分PLSR模型稳定性与预测能力最好,R~2和RPD分别为0.77和2.14;与传统的单一模型相比,采用算术平均值二次估测能够在一定程度上提升估测精度,尤其是标准正态变换方式下提升空间更大,表现出了较好的稳定性与预测能力。【结论】建模数据的选取是影响模型精度的重要因素;对光谱数据进行一阶微分变换后,可以使模型拥有更好的估测效果;基于优化模型耦合算术平均的二次估测模型较单一模型效果更佳,在标准正态形式下的PLSR(全波段)+RFR(全波段)模型反演效果相对较好。