摘要  采用低功耗、便捷式微型近红外光谱仪建立土壤有机质（soil organic matter,SOM）含量的快速检测方法，对于桑园土壤肥力监测和精确施肥有重要意义。对采集的71份桑园土壤样品，使用便携式NIR光谱仪采集样品的NIR漫反射光谱，使用一阶求导（1^stD）、标准正态变量变换（SNV）和均值中心化（MC）3种方法预处理光谱，应用偏最小二乘法（PLS）建立预测模型，并用竞争性自适应重加权法（CARS）和随机蛙跳法（Random Frog）2种方法优选特征波长、优化模型，提高模型的预测精度。结果表明，使用1^stD、SNV和MC预处理组合方式效果最好，2种波长优选方法均可提高模型预测精度，其中Random Frog-PLS方法效果最佳，建模集均方根误差（RMSEC）和相关系数（R_C）分别为0.46%和0.94，交叉验证集均方根误差（RMSECV）和相关系数（R_CV）分别为0.62%和0.89。对37个未知桑园土壤样品进行验证，RMSEP和相关系数R_P分别为0.64%和0.90，实测值与预测值的误差较小，相关性较高，表明模型预测能力较好。研究表明，将便携式微型近红外光谱仪用于SOM含量的快速分析，可以促进对桑园土壤肥力的高效管理。