土壤有机碳氮是表征土壤肥力的重要指标,同时是全球碳氮循环的重要组成部分,在维持土壤的物理结构和化学性质中扮演着重要的角色。因此,土壤有机碳氮的准确评估对于支持包括精确农业在内的土地管理政策的发展至关重要。近年来,数字图像采集系统的快速发展为基于图像技术的土壤属性预测提供了一个新的手段,克服了传统实验室测量中成本昂贵、费力耗时的缺点。然而,由于各类土壤具有不同的表面条件,包括植被覆盖、光照、土壤水分等在内的野外干扰因素,使得直接利用在室外拍摄的土壤图像进行研究存在极大挑战。土壤水分（SM）对土壤颜色有显著的影响,是干扰土壤有机碳氮的图像诊断的关键因子。本研究通过模拟农田土壤水分的连续变化,获取不同土壤含水量（SMC）条件下的土样图像,并提取其颜色特征参数,采用多种数学变换方法对颜色参数进行优化,结合相关性分析和单变量线性回归量化土壤水分对土壤颜色特征参数与土壤有机碳氮关系的影响,并确定最优颜色指数。最终构建基于线性模型:多元线性回归（MLR）、逐步多元回归法（SMLR）与非线性模型人工神经网络（BP-ANN）的不同含水量下的土壤有机碳氮定量估算模型。主要结论如下:1)土壤有机碳氮含量与土壤颜色特征参数呈明显的负相关关系（P＜0.01）,在本文所选的RGB、HSV、CIEL*a*b*三种颜色空间中,R、L*和V分量值与土壤有机碳氮的相关性最高,相关系数绝对值均达到0.8以上,同时发现,较原始参数值相比,颜色参数的倒数对数变换形式能显著增强土壤有机碳氮与各颜色参数的相关关系。2)土壤水分会显著影响土壤颜色分量值的变化。随着土壤含水量的逐渐增多,多数可见光颜色参数值会显著降低,同时各颜色参数与土壤有机碳氮的相关性逐渐降低,直至不显著相关。3)结合相关性分析和单变量线性回归,最终确定影响土壤有机碳氮可见光精确估算的临界含水量分别为SMC=15%和SMC=5%;证实1/b*、lnb*、1/S、ln S等颜色参数在抵抗土壤水分对模型预测土壤有机碳氮性能的影响方面具有较强的作用。4)对于土壤有机碳氮,无论干燥组与湿润组,非线性的BP神经网络回归模型相比线性回归模型都表现为最佳。主要表现为,土壤有机碳干燥组:R~2=0.713、RMSE=1.266、RPD=1.687;湿润组:R~2=0.720、RMSE=1.116、RPD=1.838;土壤全氮干燥组:R~2=0.731、RMSE=1.244、RPD=1.693;湿润组:R~2=0.865、RMSE=0.587、RPD=2.598。本文在确定临界含水率上下构建的土壤有机碳氮预测模型具有较好的预测能力,可以较好地实现在不同土壤水分下土壤有机碳氮的准确定量估测。因此,运用数字图像颜色特征参数分析土壤有机氮含量的定量分析是可行可靠的。