【目的】以长沙及周边区域水田土壤为研究对象，从特征空间和样本空间角度优化建模数据集，以提升基于土壤高光谱数据估测有机质含量模型的精度。【方法】利用马氏距离（MD）优化土壤光谱特征空间、最小生成树（MST）分割样本数据集优化建模样本空间，结合交叉验证岭回归（RidgeCV）和支持向量机回归（SVR）构建土壤高光谱有机质含量估测模型。【结果】在测试集上，光谱优化建模方法 MD-RidgeCV和MD-SVR的模型决定系数（R~2）分别为0.876、和0.84，样本优化建模方法 MST-RidgeCV和MST-SVR的R~2指标分别为0.847和0.815，而两种优化方法相结合的MDMST-RidgeCV和MST-MD-RidgeCV模型R~2指标均高达0....
