基于便携式短波近红外光谱技术检测了土壤总氮含量。 采集浙江省文城地区农田土壤样本243个, 将土壤样本分为三组, 一组未经过粉碎、 过筛等处理, 一组做过2 mm筛处理, 一组过0.5 mm筛过处理, 采用usb4000便携式光谱获取土壤光谱数据, 结合(savitzky-golay, SG)平滑算法, 波长压缩算法和小波变换对原始数据进行预处理, 然后采用竞争性自适应重加权、 随机青蛙和连续投影算法进行特征波长选择。 基于全光谱建立了偏最小二乘回归和基于特征波长建立了极限学习机和LS-SVM模型。 结果表明过筛处理后的样本模型结果优于未过筛的样本模型结果, 过0.5 mm筛处理的土壤样本模型预测结果略优于过2 mm筛处理的土壤样本模型预测结果, 最优预测集的决定系数为0.63, 预测均方根误差为0.007 9, 剩余预测偏差为1.58。 表明便携式仪器检测土壤总氮含量, 经过过筛处理的土壤样品检测结果优于未过筛土壤样品检测结果, 建议土壤样品检测总氮含量时需经过过筛处理, 这样得到的结果较为理想, 在此基础上采用性能较好的光谱仪器采集数据, 以减小原始光谱噪声。