A aplicação adequada de nutrientes é um dos fatores mais importantes na produção de hortaliças de qualidade. As decisões de manejo e adubação são baseadas através de análises de tecido vegetal. No entanto, essas análises requer um grande número de amostras de folhas usando técnicas químicas caras e demoradas. Ultimamente, foi demonstrado que é possível estimar quantitativamente elementos nutricionais em tecido vegetal usando os valores de refletância espectral, obtidos por espectroscopia de refletância no infravermelho na faixa do visível e próximo (VIS-NIR). Esta técnica é rápida, não destrutiva e livre de resíduos tóxicos. Este estudo teve como objetivo avaliar o uso da espectroscopia Vis-NIR para quantificar os teores dos macronutrientes (Ca, Mg, P e K) e micronutrientes (Cu, Mn, Fe e Zn) em folhas de alface. A análise espectral VIS-NIR e as estimativas de concentração de macro e micro nutrientes foram realizadas usando 496 amostras de folhas de alface de duas cultivares. Quatro métodos de pré-processamentos, incluindo Savitzky-Golay (SG), variação normal padrão (SVN), Detrend (Det) e Continuum Removal (CR) juntamente com a combinação de três modelos: Cubist, Random Forest (RF) e Regressão de mínimos quadrados parcial (PLSR) foram usados para gerar a melhor estimativa de quantificação desses nutrientes. Verificou-se a obtenção de estimativas aceitáveis para P(R2=0,63), K(R2=0,65), Mn (R2=0,61) e Fe (R2=0,73), no entanto não houve calibrações sucedidas para Ca, Mg, Cu e Zn. Nesse estudo, o SNV como pré-pré-processamento serviu como uma ferramenta eficaz para otimizar as previsões de modelo tanto do cubista, quanto do RF e PSLR. Ao comparar a capacidade de previsão dos modelos, o Cubist teve o melhor desempenho, apenas para a predição de Fe que o modelo PLSR foi melhor em relação aos outros. É possivel predizer análise nutricional de alface através da espectroscopia Vis-Nir, evidenciando assim que essa técnica fornece uma abordagem rápida para a detecção de nutrientes foliares.