【摘要】【目的】为实现区域尺度上烟田土壤pH的快速估测。【方法】以四川省296份烟田土壤为研究对象，利用高光谱成像获取土壤390～2500 nm波段的光谱反射率，系统研究12种光谱预处理方法、2种特征波段选择方法和4种建模方法对烟田土壤pH高光谱估测模型精度的影响。【结果】在600～2500 nm范围内，不同pH的光谱反射率曲线差异明显；原始光谱经单一预处理或组合预处理方法处理后，建立的估测模型精度均有所提高；其中一阶导数（First derivative， D1）组合标准正态分布（Standard normal variate， SNV）为最佳光谱预处理方法。竞争自适应重加权采样算法（Competitive adaptive reweighted sampling， CARS）筛选出了93个土壤pH特征波段，主要集中在近红外波段800～2500 nm。无论使用光谱全波段还是主成分分析降维得到的光谱特征，核岭回归（Kernel ridge regression， KRR）和支持向量机（Support vector machine， SVM）两种建模方法都取得了比偏最小二乘回归（Partial least square regression， PLSR）和岭回归（Ridge regression， RR）更高的估测精度；但使用CARS筛选的特征波段建模时，PLSR和RR取得了比KRR和SVM更高的估测精度。其中基于D1-SNV预处理方法，使用CARS筛选特征波段建立的土壤pH PLSR估测模型精度较高，模型验证集决定系数为0.758，均方根误差为0.555，相对分析误差为2.034。【结论】运用高光谱成像技术在区域尺度上对烟田土壤pH进行较高精度估测是可行的，pH估测可采用D1-SNV-CARS -PLSR模型。