盐渍土是我国重要的耕地后备资源,因土壤含盐量过高会使农业生产利用受到较大限制,这将严重制约区域经济的可持续发展。土壤有机质(soil organic matter,SOM)是植物生长所需营养的重要来源,可以调节土壤结构并改善土壤理化性质,是衡量土壤质量的重要指标之一。因此快速监测盐渍化麦田表层土壤有机质含量以期为盐渍土培肥改良、减肥增量和促进碳循环研究提供技术支撑。本文以滨州市无棣县“渤海粮仓”地力培肥典型试验区作为研究区,通过野外调查、采集土壤样品和实验室化验分析得到土壤有机质含量、土壤含盐量等数据,结合无人机飞行得到的多光谱影像,探讨土壤有机质含量和光谱反射率之间的关系,分别建立基于裸土和植被光谱数据支持下的土壤有机质含量遥感模型,对模型进行验证和比较并确定最优模型,然后基于最优模型进行研究区土壤有机质的反演,与插值结果进行精度分析比较,以期为无人机多光谱对盐渍土区冬小麦拔节期表层土壤有机质含量进行快速、地块尺度精准估测提供支持。本研究主要完成了以下内容:(1)无人机多光谱获取的结果表明研究区样本的土壤有机质最大值为37.66g/kg,最小值为14.37g/kg,平均值为23.90g/kg,标准差5.21g/kg。通过利用皮尔森相关分析筛选出B1、B2、B4、NDVI、以及作为敏感指标进行模型的构建。为研究拔节期的小麦土壤有机质的情况,分别基于采样点的裸土光谱和经过优化的植被光谱建立模型,基于无人机多光谱影像建立植被模型,根据小麦呈垄的种植特点对影像进行了不同方式的多个窗口的滤波处理,转化为一定范围内的小麦光谱信息,5×5的梯度的中值滤波达到了最高的相关性0.66。(2)对比裸土和植被两种变量的建模效果,基于裸土的建模效果不甚理想,植被模型优于裸土模型,5×5中值滤波处理实现了对光谱的优化,建立的支持向量机模型效果最佳。在建立的三种模型中,支持向量机模型的建模精度最高,R~2达到0.88,RMSE最小,达到0.21,RPD最高,达到5.18,多元线性模型次之,R~2为0.79,RMSE为2.35,RPD为2.61,偏最小二乘模型效果最差,R~2为0.75,RMSE为2.05,RPD为2.57。三种不同模型的预测效果差异主要体现在小范围内的区域性预测,多元线性回归和偏最小二乘模型在处理特异值时存在缺陷,导致土壤有机质含量值在区域内变化过大或过小。支持向量机模型在利用影像光谱估算土壤有机质含量值时具有较强的处理非线性映射的能力,能从光谱数据中揭示影响土壤有机质含量变化的主要因子,寻求局部最优,从而可以更好地预测盐渍土区拔节期小麦的土壤有机质含量,对于研究区更为适用,预测效果相对其他模型精度更好。(3)基于支持向量机模型和克里金插值均能得到土壤有机质整体的空间变化趋势。对于插值和反演得到的土壤有机质含量分布情况,插值受研究区域面积小、采样点少和其布设位置的影响,在基于区域变量的模型确定未知点的有机质含量时无法实现局部细节变化;而反演图能更好的体现出区域土壤有机质含量的水平差异变化,反演不依赖样点本身数据质量,根据土壤光谱反射率和土壤有机质之间的关系可以模拟拔节期小麦这种景观下的土壤有机质空间分布情况,精度较高。插值方法得到的结果相对平滑,最大值、最小值与实测值的差距不明显,插值为大尺度研究提供了可行性,本文以地块尺度进行,没有大量的采样点,而利用无人机的多光谱影像的土壤光谱进行有机质遥感反演可以解决地块尺度的问题,并且精度较高。