为了提高湿地土壤有机质含量的预测精度，以闽江鳝鱼滩湿地土壤为研究对象，通过分析多光谱不同波段反射率与土壤有机质含量的相关性，引入OIF指数提取显著性波段，然后基于全波段和显著性波段，采用多元逐步回归方法(MLSR)、BP神经网络(BPNN)和支持向量机(SVR)3种方法，构建湿地土壤有机质含量的反演模型，并进行模型验证与对比，确定最优的土壤有机质含量反演方法。结果表明:各波段的反射率(Spectral reflectance，R)与土壤有机质含量存在着负相关关系，147波段组合的OIF指数较高，波段间的独立性强，能有效反映数据内的信息；采用MLSR、BPNN和SVR这3种方法进行建模。在全波段中，SVR的建模效果最显著，BPNN次之，MLSR的建模效果最差。在显著性波段中，BPNN的建模效果最显著，SVR次之，MLSR的建模效果最差；对比基于全波段与显著性波段的建模效果，发现基于全波段的预测效果更为显著，最佳模型为基于全波段的土壤有机质含量支持向量机模型，但利用显著波段建模，可降低波段间的信息重叠，且模型简单、运算量少等特点。该研究可行有效，对湿地土壤有机质含量的快速、大范围精准估测提供技术可行性。