【摘要】以新疆阜康不同程度人类干扰下的土壤为研究对象,探讨高精度的硝态氮含量的反演模型。测量土壤样品的室外高光谱数据和通过化学分析获取硝态氮含量,并对原始土壤高光谱进行一阶导数和二阶导数变换,以通过0.01显著性水平的波段作为敏感波段,利用BP神经网络和逐步多元回归模型(SMLR)建立8个硝态氮含量的定量估测模型。仿真结果表明:与SMLR相比,BP模型能显著提升2种土壤中的硝态氮含量的反演精度。尤其是原始高光谱数据经过一阶导数变换后的BP模型精度最高,能对硝态氮含量进行精确的预测,其在无人类干扰区域的土壤测试集中的相对分析误差(RPD)为2.884,决定系数(R2)为0.874;在有人类干扰区域的土壤测试集中的RPD为2.226,R2为0.929。SMLR模型在2种土壤中的RPD值均在1.1左右,说明基于SMLR模型对硝态氮含量的预测能力很差。