冬小麦是我国重要的粮食作物,土壤颗粒有机碳(Particulate organic carbon,POC)作为土壤肥力的决定因素之一,可以影响农田土壤质量,近而影响冬小麦作物产量,实现其准确、快速、高效监测是开展其他科学研究的前提。高光谱技术因其光谱分辨率高、可以实现目标属性快速、无损、准确获取的优势,已经广泛的应用于土壤属性监测。本论文通过开展耕作和施肥对冬小麦田土壤颗粒有机碳含量试验,以研究冬小麦田颗粒有机碳与高光谱的响应机制,以及运用光谱数据处理方法实现土壤颗粒有机碳的高光谱定量监测,主要结论如下:(1)随着小麦生育时期的推进,POC含量整体呈现出先升高后降低的趋势,在0-10cm、10-20cm土层,相对于传统耕作(CT),免耕(NT)更有利于POC含量的提高,其中以灌浆中期的免耕配施复合肥(NT-CF)处理下POC含量最高。而在同一生育时期,POC含量随着土层深度的增大而逐步降低。(2)450~600 nm波段范围是颗粒有机碳的主要光谱响应区域,POC含量水平与光谱反射率呈反比关系,POC含量的减少会导致土壤光谱反射率的增加,在某种意义上,土壤光谱反射率值大小或曲线走势特征可以表明POC含量的高低水平。(3)不同光谱预处理方法对光谱与POC之间的相关关系影响不同,均能不同程度地提高土壤光谱与POC含量在某些波段的相关性,其中,一阶微分(1-Der)和二阶微分(2-Der)预处理方法提高幅度最大,尤其以2-Der变换光谱与POC的相关性最高,相关系数为0.39。(4)光谱预处理方法对POC的监测模型影响不同,除多元散射校正(MSC)外,其它预处理均不同程度提高了POC的模型精度,其中2-Der变换光谱较明显地提高了土壤颗粒有机碳偏最小二乘(PLSR)监测模型的精度(R~2c=0.73,R~2v=0.78),模型表现最好。与PLSR建模方法相比,多元线性回归(SPA-MLR)相对降低了POC校正模型的精度,以1-Der预处理光谱的MLR模型最好。综合来看,本研究构建的POC模型具有较好的预测能力,可以实现POC的准确定量估测。