可见光谱学和近红外漫反射光谱学（Vis-NIR）有助于快速和无破坏性的估算各种土壤特性，建立一种基于这种方法的估计模型有助于节省测量土壤氮元素含量所需的资源。本文中我设计了一种组合卷积神经网络（CNN）和Transformer网络两种模型的联合模型来预测土壤中氮元素含量，称为CNN-Transformer联合模型。它结合了CNN从数据中提取局部和抽象特征的能力，以及Transformer网络学习序列特征的各种依赖性的优势。本文中我通过区间随机蛙跳算法和斯皮尔曼相关系数法对选取特征光谱，然后在不同输入的情况下对比本文设计的联合模型、偏最小二乘模型、单独CNN和单独Transformer的预测精度并对它们的泛化能力进行测试。最后使用贝叶斯自动优化超参数模型对效果较差的联合模型的超参数进行调优来提高其预测能力。