利用近红外光谱技术实时预测土壤全氮含量是精细农业的研究热点之一, 但是由于土壤水分在近红外波段的吸收系数较高, 影响了土壤全氮含量的实时预测精度。 使用布鲁克MATRIX_I傅里叶近红外光谱分析仪对不同土壤水分的土壤样本进行了近红外光谱扫描, 定性和定量的分析了土壤水分对近红外光谱的影响, 并提出了一种消除土壤水分对土壤全氮含量预测影响的方法。 近红外光谱扫描结果显示在同一全氮含量水平下, 随着土壤水分含量的增加, 光谱吸光度呈逐渐上升的趋势, 且变化趋势为非线性。 通过对1 450和1 940 nm两个水分吸收波段的差分处理, 设计了水分吸收指数MAI（moisture absorbance index）, 再对土壤按照水分含量梯度进行分类, 提出了相应的修正系数。 修正后的6个土壤全氮特征波段处(940, 1 050, 1 100, 1 200, 1 300和1 550 nm)的土壤吸光度值作为建模自变量, 使用BP神经网络建立了土壤全氮预测模型, 模型的RC, RV, RMSEC, RMSEP和RPD分别达到了0.86, 0.81, 0.06, 0.05和2.75; 与原始吸光度所建模型相比较模型精度得到了显著提高。 实验结果表明本方法可以有效地消除土壤水分对近红外光谱检测土壤全氮含量预测的影响, 为土壤全氮含量实时预测提供了理论和技术支持。