随着社会发展,人类活动所产生的污染物导致土壤中土壤重金属元素过量,造成土壤污染。土壤的土壤重金属污染不仅造成地下水、地表水、空气等物质的质量下降,而且通过生物富集危害人类健康。开展土壤重金属污染风险评价和监测防控迫在眉睫,土壤重金属含量的含量是场地污染调研的重要指标。传统的土壤重金属检测方法需要实验室试剂和实验人员的专业操作,不能用于土壤重金属污染物的大规模监测。近红外（NIR）光谱分析技术由于其快速、高效的特点,正逐步应用于现场快速检测领域。近红外光谱可以反映物质分子含氢基团的信息,由于土壤中的重金属容易与含氢基团的有机物结合,近红外光谱也具有分析土壤重金属的重要科学依据。本课题采用实验室搭建的便携式近红外光纤光谱仪,对土壤中重金属含量的检测方法和实验进行研究。土壤采集区域为武汉青山场地污染修复现场,采集150个土壤样本,经过自然风干、筛网过筛。利用X射线荧光光谱法测定样品中铬（Cr）、锌（Zn）和铅（Pb）含量并使用便携式近红外光谱仪测得土壤样品近红外光谱数据,主要研究内容如下:1.光谱数据预处理:采用SG卷积平滑算法、标准正态变量变换（SNV）算法和SG卷积平滑+标准正态变量变换（SNV）算法共3种不同光谱预处理算法处理土壤样品光谱,并选出最优预处理算法。2.光谱定量预测建模:对预处理算法处理过后的光谱数据用竞争性自适应重加权算法（CARS）和连续投影算法（SPA）这两种特征波段提取算法进行特征波段提取并分别结BP神经网络、极限学习机（ELM）和随机森林（RF）,共三种建模算法定量建模预测土壤重金属含量,并进行了对比分析,确定了每个重金属元素的最佳建模算法。实验结果表明,运用便携式近红外光纤光谱仪可以对武汉青山区场地污染修复现场土壤中锌（Zn）、铬（Cr）和铅（Pb）三种重金属元素含量进行预测分析。三种重金属元素经过光谱数据预处理、特征波段提取结合机器学习算法集成优化建模后,锌（Zn）和铅（Pb）取得了更好的预测精度。与传统的实验室台式近红外光谱仪相比,便携式近红外光纤光谱仪更加快捷方便易于携带,也更适合大面积的场地污染修复调研。