土壤养分对农业种植非常重要,高效、准确、非损伤性的获取土壤养分信息是非常值得研究的问题。本文以华北平原农田区为研究区域,选取了景县、虞城县和莘县三个典型农业大县为试验区,以土壤养分全氮、有效磷、速效钾为研究对象,高光谱数据为手段,采用pearson相关分析,筛选土壤全氮、有效磷、速效钾的特征波长,利用多元线性回归、偏最小二乘回归、支持向量机和人工神经网络建立各养分含量的估测模型,针对整体土壤养分单一模型精度低的情况,对土壤样本进行分区建模,建立了基于质地分区的土壤养分光谱估测模型,较好探索了华北平原农田土壤养分的高光谱估测方法和分区应用。主要研究内容和结果如下:1)土壤主要养分的高光谱估测基于不同土壤养分含量的光谱反射率变化特征,应用敏感波长估测土壤养分,华北农田区全氮养分的特征波长是1060nm、1527nm、1543nm、1675nm、1776nm、1915nm,土壤有效磷敏感波长是1060nm、1131nm、1301nm、1469nm、1491nm、1817nm、1907nm、1950nm、1964nm、1994nm,速效钾敏感波长是1131 nm、1539 nm、1059 nm、1760 nm、1645 nm、1950 nm、1909 nm。采用多元线性回归、偏最小二乘回归、支持向量机、人工神经网络四种方法建立土壤养分的高光谱估测模型,根据决定系数R~2和平均相对误差大小优选土壤养分最佳估测模型,土壤全氮、有效磷、速效钾最佳估测模型分别是偏最小二乘回归模型、多元线性回归模型、偏最小二乘回归模型。从养分间的模型精度看,有效磷最佳模型精度>全氮最佳模型精度>速效钾最佳模型精度。从模型方法看,偏最小二乘回归预测精度最高,其次是多元线性回归。2)土壤主要养分光谱估测的分区指标根据华北农田区自然气候条件、成土母质、土壤质地和养分状况、管理水平等,参考该区耕地地力评价因子,结合本文选取试验区样点情况,综合考虑从土壤质地、灌排能力、气候条件等选取土壤养分光谱估测的分区指标。对土壤样本的全氮、有效磷、速效钾含量进行分区特征统计分析,摸清试验区土壤养分含量状况,探索分区对土壤养分影响重要性,根据土壤养分在各分区因素等级的均值和变异性,最终选取土壤质地作为养分光谱估测的分区指标。质地对土壤养分含量和变异的影响较为明显,划分质地后,土壤养分变异性较整体降低。进而分析了不同质地的土壤光谱特性,在600nm~1900nm谱区,三种质地土壤光谱反射率差异较明显,因此基于土壤质地建立土壤主要养分高光谱估测分区模型是可行的。3)土壤主要养分光谱估测的分区应用将土壤样本数据按照土壤质地分为壤土、砂土、粘土三类,对各质地养分含量值进行聚类运算,计算养分含量值与光谱反射率导数值的相关系数,采用四种建模方法进行养分估测建模,通过决定系数R~2和平均相对误差大小选择最优模型,根据建模精度和验证结果,壤土全氮、有效磷、速效钾的最佳估测模型分别是多元线性回归模型、人工神经网络模型、偏最小二乘回归模型;砂土全氮、有效磷、速效钾的最佳估测模型分别是多元线性回归模型、支持向量机模型、偏最小二乘回归模型;粘土全氮、有效磷、速效钾的最佳估测模型分别是人工神经网络模型、偏最小二乘回归模型、人工神经网络模型。养分建模结果对比,除粘质土壤有效磷和速效钾,不同质地区土壤养分建模精度均高于整体土壤养分建模,表明划分质地后对土壤养分预测效果更好。建模方法对比显示,偏最小二乘回归和人工神经网络方法建模精度更高,准确性更好。本研究探索华北平原粮食主产区土壤养分的无损、简便、快速估测方法,研究土壤养分光谱估测和分区应用,对于高光谱应用于大区域土壤养分估测有重要理论和实际意义。