La predicción no destructiva, rápida y precisa del contenido de materia orgánica en el suelo en tierras de cultivo es de gran importancia para la evaluación de la fertilidad del suelo y la fertilización racional. En el proceso de predicción del contenido de materia orgánica en el suelo, es importante aprovechar al máximo las ventajas de diferentes modelos de predicción e integrar diferentes modelos de predicción para construir de manera innovadora un modelo de predicción combinado del contenido de materia orgánica en el suelo con el fin de mejorar la precisión de la predicción y la capacidad de generalización del modelo. En este estudio, el contenido de materia orgánica del suelo de los suelos agrícolas se tomó como objeto de investigación, y las curvas hiperespectrales visibles de infrarrojo cercano de los suelos fueron medidas por la plataforma de escaneo móvil interior Starter Kit (Headwall Photonics, Bolton, MA, EE. UU.), y las curvas espectrales originales fueron primero desruidizadas por el suavizado de Savitzky-Golay (S-G). En segundo lugar, los datos espectrales suavizados y desruidizados fueron sometidos a una transformación diferencial de primer orden, y las características fueron seleccionadas en base a los datos espectrales transformados diferencialmente de primer orden utilizando las características del algoritmo de paradigma L1. Luego, en segundo lugar, se aplicaron ocho algoritmos basados en las bandas de características seleccionadas, como Regresión LASSO (LASSO) (Modelo 1), Perceptrón Multicapa (MLP) (Modelo 2), Bosque Aleatorio (RF) (Modelo 3), Regresión del Núcleo Gaussiano (GKR) (Modelo 4), Regresión Ridge (Modelo 5), Memoria a Corto Plazo (LSTM) (Modelo 6), Redes Neuronales Convolucionales (CNN) (Modelo 7) y Regresión de Vectores de Soporte (SVR) (Modelo 8) para construir un modelo de predicción único del contenido de materia orgánica en el suelo. Finalmente, se propuso un modelo de predicción de combinación lineal superior mediante los ocho modelos de predicción únicos construidos, y se añadió la validez de la predicción basada en la desviación estándar para probar el modelo. Los resultados mostraron lo siguiente: (1) los pesos de los ocho modelos de predicción únicos en el modelo de predicción combinado fueron , , , , , , , , respectivamente; (2) La precisión promedio E de los valores predichos del contenido de materia orgánica en el suelo construidos en base a los ocho modelos de predicción únicos fue 0.856; la desviación estándar promedio fue 0.181, y la validez promedio de la predicción M fue 0.702; (3) La precisión E del valor predicho del contenido de materia orgánica en el suelo del modelo combinado fue 0.893, que fue 4.322% más alta que la precisión promedio del modelo único; la desviación estándar del modelo combinado fue 0.129, que fue 28.333% más baja que la desviación estándar promedio del modelo único, y la validez de la predicción M del modelo combinado fue 0.778, que fue 10.826% más alta que la validez de la predicción promedio del modelo único. El modelo combinado puede ser utilizado para la estimación efectiva del contenido de materia orgánica en el suelo en tierras de cultivo con datos espectrales visibles de infrarrojo cercano, lo cual puede proporcionar una base y referencia para la detección rápida del contenido de materia orgánica en el suelo en tierras de cultivo.