传统基于点测量的土壤理化参数测试方法难以揭示土壤属性的时空变异规律。为改进土壤理化参数速测方法，促进定量遥感及陆地生态系统相关研究的发展、深化遥感在农业中的应用，本文以松嫩平原主要土壤(黑土、黑钙土、草甸土、盐碱土、风沙土)的高光谱反射率为研究对象，运用光谱分析与统计方法揭示土壤反射光谱特征及其影响因素，提取光谱指数，基于土壤反射光谱指数、考虑不同理化参数对反射光谱的综合作用，建立土壤理化参数高光谱模型，为土壤理化参数的遥感反演提供理论支持：基于土壤的反射光谱特征与神经网络方法进行土壤分类；利用室内土壤反射率、遥感影像分析土壤线影响因素与空间分布特征，计算与土壤线相关的植被指数，为作物定量遥感监测服务。通过以上研究得出了以下结论：　　 一、松嫩平原主要土壤反射光谱特征及主要影响因素。由于有机质含量较高，土壤光谱反射率普遍较低，主要有五个光谱吸收谷，分别大致位于494、658、1415、1913、2206 nm。前两个吸收谷主要是由于土壤有机质、铁及土壤机械组成引起的，后三个是土壤水分引起的。不同土壤类型反射光谱在三个水分吸收谷的差异较小，显著差异主要在前两个吸收谷。　　 主要影响因素：成土母质决定了土壤反射光谱的基本特征；有机质是小于1000 nm范围土壤反射光谱特征的决定因素，同时由于有机质含量与土壤水分、机械组成的相关关系，间接影响着大于1000 nm的波谱范围；土壤光谱反射率随含水量的变化过程可以用三次方程模型进行定量描述，对于小于临界值的范围，光谱反射率的变化可以用线性模型进行概括性的模拟；铁对松嫩平原农安县主要土壤的反射光谱特性的影响较小：机械组成对土壤反射率的影响主要是由于砂粒、粉粒和粘粒理化活性差异；粗糙度主要影响土壤反射率的大小；秸秆覆盖对土壤反射率大小与形状特征的影响均较大；不同耕作措施土壤反射率大小依次为免耕、翻耕、组合、少耕、旋松。进行土壤遥感研究时，针对不同的研究目的、研究时相与研究区，确定影响土壤光谱反射率的主要与次要因素，减小误差影响。　　 二、黑土光谱反射率曲线模拟模型。在小于1000 nm的波段范围内，黑土反射光谱曲线形状特征简单，适于反射率曲线函数模拟。黑土反射光谱曲线在450-930 nm范围内的特征控制点为450，500，590，660，930 nm。利用特征控制点建立的直线模型、二次曲线模型均能较准确描述黑土反射光谱曲线。以多光谱影像作为黑土反射率模拟模型输入量得到的结果能够较准确描述黑土反射光谱特征。反射率模拟方法部分消除了高光谱反射率数据冗余问题，对于黑土高光谱反射率数据降维、压缩、土壤有机质及其他土壤参数的遥感研究、植被定量遥感等均具有重要的应用价值。　　 三、土壤理化参数高光谱预测模型。基于反射光谱特征的土壤有机质高光谱模型可以用于松嫩平原主要土壤的有机质速测。有机质含量弓曲率模型由于具有计算简单、普适性强、模型稳定等优点，适于黑土有机质含量的速测。基于光谱特征控制点的去包络线弓曲率模型预测精度高于弓曲率模型，说明反射率模拟模型的曲线控制点选择合理且有代表性。土壤水分与光谱反射率及其一阶微分之间为指数或线性关系，其他土壤理化参数高光谱遥感研究应考虑这一因素。　　 含水量条件不同，有机质、土壤水分与反射光谱数据的相关系数不同；在含水量适中时，有机质、水分与土壤反射率的相关系数最高，有机质与水分的综合作用提高了SOM与土壤反射率之间的相关性。以有机质与土壤水分为自变量的反射率模型优于仅以土壤水分或有机质为自变量的模型。　　 四、土壤有机质遥感反演。土壤有机质遥感反演模型预测精度高于普通Kriging插值、反距离权重插值等方法，更能揭示有机质的空间分布规律。　　 五、基于反射光谱特征的土壤分类研究。由于输入变量的选取客观准确，基于土壤反射率前两个吸收谷形状特征的BP神经网络模型可以用于土壤分类。　　 六、基于土壤反射光谱特征的土壤线研究。改变土壤反射率大小而不改变反射光谱曲线形状的因素对土壤线的影响较小，土壤线主要影响因素有土壤类型、有机质、秸秆残留物、矿物组成等，而有机质的影响可能比土壤类型的影响更大。松嫩平原黑土带土壤线斜率的总体趋势是，由北向南先增加后减小，最大值在海伦南部；最低值在德惠南部。与土壤线相关的植被指数与作物FPAR、LAI的相关关系显著高于NDVI，ATSAVI对土壤线参数的敏感性最高，引入土壤线参数可以提高植被指数反演作物生理参数的精度。