光谱数据变换和光谱特征波长提取是二种重要的光谱预处理方法, 对消除环境等干扰具有重要的作用。 以往文献主要对比研究不同的光谱数据变换方法, 光谱特征波长提取方法的对比研究以及二者的组合研究较少。 为了获取适宜的光谱预处理方法, 提高潮间带沉积物氮的最小二乘支持向量机（LSSVM）模型精度, 研究了4种光谱变换方法与3种特征波长提取方法组合对沉积物氮LSSVM模型精度的影响, 以期实现潮间带沉积物氮的精确预测。 研究结果表明, 多元散射校正（MSC）或标准正态变换（SVN）光谱变换方法提高了光谱与氮含量的相关性, 最高相关系数分别达到0.69和0.71; 并且提高了LSSVM模型的预测精度, 模型的预测R2和RPD分别为0.88, 0.87和2.78, 2.69。 无信息变量消除（UVE）特征波长提取方法也提高了LSSVM模型的预测精度, 模型预测R2和RPD分别0.89和2.70。 但是, UVE提取的特征波长并不都与氮含量具有高相关性。 此外, 组合运用UVE特征波长提取方法和MSC或SVN光谱变换方法, 也提高了模型预测精度, 但并不优于单独运用UVE特征波长提取方法或单独运用MSC及SVN光谱变换方法。 研究结果可为潮间带沉积物氮估算和光谱数据预处理提供技术参考。

针对漫射模型在近光源区具有较大模型误差, 导致光学特性参量反演准确度较低的问题, 提出了一种利用矩变换, 改变原始数据形态, 提高反演准确度的方法.比较了不同阶次条件下的光学特性参量反演准确度和拟合残差的统计分布状况, 分析了不同信噪比下重构系数的相对误差.对25组数据的研究结果表明：3阶矩变换可显著提高两个光学参量(μa、μ′s)的估计准确度.在无噪音条件下, 吸收系数μa重构的平均相对误差为7.04%;有效散射系数μ′s重构的平均相对误差为5.55%, 相比于自然对数变换, μa降低了8.57%;μ′s降低了32.73%.在信号噪音满足一定条件情况下(大于50 dB), 3阶矩变换仍然能获得较高的光学参量反演准确度.矩变换方法能有效地提高光学特性参量反演估计准确度.