森林土壤碳库是森林碳库的重要组成部分,其准确估测对于精准林业的实施具有重要意义。植被指数是估测区域植被净第一性生产力（net primary productivity,简称NPP）及间接估测土壤有机碳的重要因子,当前,归一化植被指数（NDVI）在指示植被生长状况及估测植被NPP等方面的应用中呈现一定的局限性,导致以NDVI为基础植被数据的NPP估测结果存在一定误差。因此,研究以长汀县河田镇为研究区,揭示了 NDVI的饱和现象及受林下植被影响较大的局限,通过分析植被指数与土壤有机碳的相关性,利用主成分分析构建一个能较真实反映植被生长状况的植被指数;采用CASA模型估算基于原植被指数和新构建植被指数的马尾松林净第一性生产力,进而反演得到研究区马尾松林地土壤基础呼吸分布;建立基于两种植被指数的土壤基础呼吸与土壤有机碳的相关模型,对比分析各模型的模拟效果以期实现研究区马尾松林地土壤有机碳遥感估测最优模型的选择,最终进行研究区马尾松林地土壤有机碳遥感反演。主要研究结论:（1）研究通过利用实测数据及遥感影像数据来揭示NDVI植被指数在高植被覆盖区存在的饱和现象及在针叶林中由于林下植被大量覆盖而影响NDVI对马尾松的提取精度等现象而导致单纯利用NDVI指数无法真实反映地表植被生长情况的应用限制;根据研究区的实际情况,选择归一化植被指数（NDVI）、比值植被指数（RVI）、土壤调节植被指数（SAVI）氮素反射指数（NRI）、黄光波段（YELLOW）5个光谱参数与实测土壤有机碳进行相关性分析,结果表明各植被指数均与土壤有机碳显著相关,其中,黄光波段（YELLOW）呈负相关,其他表现为正相关;利用主成分分析法将这些指数组合构建成能够真实反映植被生长情况的综合植被指数CVI,其表达式为:CVI=0.982XND+0.991XR+0.790XSA+0.928XNR-0.614XYEE。并利用实测生物量对NDVI和CVI进行检验,两者的R2分别为0.6082和0.7141,CVI指数的拟合精度明显高于NDVI。（2）分别计算由综合植被指数CVI计算的FPAR和由NDVI指数与RVI指数共同计算的FPAR,然后进行植被NPP的估算,得到基于CVI指数条件下的河田镇NPP均值为59.06 gC·M-2·mon-1,基于NDVI及RVI植被指数的河田镇NPP均值为76.25 gC·M-2·mon-1。对比两种NPP数据可以发现基于NDVI及RVI植被指数估算的NPP高于由CVI植被指数估算的NPP均值,利用CVI估测的NPP值降低了 29.11%。说明利用CVI指数进行NPP估测,可以在一定程度上降低由于利用NDVI进行NPP估测而导致的高估现象。（3）利用改善后的土壤基础呼吸模型,反演得到基于NDVI及RVI植被指数和CVI植被指数的马尾松林地土壤基础呼吸空间分布。结果表明,基于NDVI及RVI指数估测的河田镇土壤基础呼吸均值为11.02gM-2·mon-1;基于CVI植被指数的土壤基础呼吸的均值为8.54 gM-2·mon-1;基于CVI的土壤基础呼吸均值低于由NDVI及RVI指数估测的值。（4）利用反演得到的两种土壤基础呼吸与实测土壤有机碳分别构建了一元线性模型、指数模型、乘幂模型、二次多项式模型、对数模型及随机森林模型,并进行精度检验。结果表明,基于Acvi构建的模型拟合程度均优于基于Andvi构建的土壤有机碳估测模型,说明利用CVI指数反演土壤有机碳比利用NDVI指数反演土壤有机碳具有更高的估测精度,CVI指数更适合用于本研究区的土壤有机碳估测;随机森林算法的RMSE最小、检验模型的R2最高,为0.5972,对SOC的预测效果较好,平均相对精度RA为82.49%,均值估测精度RM为94.85%。（5）通过随机森林模型估算得到研究区马尾松林地土壤有机碳空间分布,结果表明研究区马尾松林土壤有机碳均值为9.807g·kg-1。研究区马尾松林地土壤有机碳空间分布特征如下:土壤有机碳含量随海拔的升高而升高;不同坡度条件下,研究区马尾松林土壤有机碳随坡度升高先降后升;不同坡向条件下,研究区马尾松林地土壤有机碳含量整体表现出阴坡大于阳坡;不同植被覆盖度条件下,研究区马尾松林地土壤有机碳含量随植被覆盖度的升高而升高。