土地盐碱化给农业生产带来了巨大的影响,需要研究快速、高效、大面积诊断盐碱地及评估其严重度的技术方法。文中选取宁夏平罗县典型盐碱地为研究对象,采集土样并测定其室内高光谱数据和化学参数,通过分析离子含量确定主要研究离子为Na+、Cl-、Mg2+和SO42-,将光谱进行一阶微分与连续统处理,通过相关性分析选出特征波段,分别构建了偏最小二乘回归（PLSR）模型和粒子群优化的径向基（PSO-RBF）神经网络模型。结果表明,PSO-RBF神经网络模型优于PLSR模型。总体上,基于连续统去除的PSO-RBF神经网络模型优于基于一阶微分的PSO-RBF神经网络模型。

1 研究区及实验数据
1.1 野外采样
1.2 实验数据获取
1.3 光谱数据预处理
1.3.1 光谱一阶微分
1.3.2 连续统去除
1.4 相关性分析与特征波段选择
2 模型构建方法
2.1 偏最小二乘回归
2.2 粒子群优化径向基神经网络
2.3 模型精度验证
3 模型对比分析
4 结 论