PDF 【目的】构建蜜柚园土壤全氮含量光谱估测模型，快速诊断蜜柚园土壤全氮含量，为果园合理施肥提供理论基础。【方法】以蜜柚园土壤为研究对象，解析并提取其原始光谱及一阶导数光谱的特征波段，分析光谱指数，构建蜜柚园土壤全氮含量的单变量估测模型及偏最小二乘（PLS）、反向传播神经网络（BPNN）、随机森林（RF）和支持向量机（SVM）4种估测模型，并对最优光谱估测模型进行评价和验证。【结果】蜜柚园土壤全氮含量与土壤原始/一阶导数光谱之间的相关性在多个波段上均显著。原始光谱指数与园地土壤全氮含量的最大负相关系数r值分别为-0.57（DSI638,641）、-0.56（RSI638,641）和-0.56（NDSI638,641），最大正相关系数r值分别为0.49（DSI2222,2267）、0.47（RSI518,599）、0.47（NDSI518,599）；一阶导数光谱的最大负相关r值分别为-0.72（DSI′1718,1736）、-0.74（RSI′2315,2414）和-0.74（NDSI′2315,2414），最大正相关r值分别为0.73（DSI′797,1313）、0.71（NDSI′671,2348）、0.70（RSI′2318,2411），一阶导数光谱的组合与土壤全氮含量的相关性整体高于原始光谱指数。PLS、BPNN、RF和SVM4种高光谱估测模型的R2分别为0.62、0.67、0.83和0.64，均方根误差（RMSE）分别为0.13、0.12、0.10和0.13。验证模型的R2分别为0.57、0.63、0.80和0.70，RMSE分别为0.10、0.10、0.09和0.09，精确程度排序为RF＞SVM＞BPNN＞PLS。【结论】RF估测模型的预测精度优于其他3种估测模型，该模型可为指导蜜柚园土壤全氮含量监测和合理施肥提供技术支持。