人类活动导致温室气体排放量不断增加,全球气候变化逐渐加剧,进而又对人类生产生活产生影响。碳氮循环对于实现温室气体减排具有重要作用,而农业生产是影响碳氮循环的重要因素,因此可持续的农田管理措施对于改善气候变化至关重要。土壤有机碳和土壤全氮是制定农田管理措施的重要依据,而传统的含量测定方法成本高、速度慢且对环境有一定危害,利用高光谱技术测定土壤有机碳和土壤全氮含量,有助于高效、环保地获取农田土壤信息,为快速制定可持续的农田管理措施提供一定的参考。本研究以山西省中南部田间小区试验和区域农田试验的土壤为研究对象,测定土壤有机碳、全氮含量和碳氮比以及土壤光谱数据,对原始光谱数据进行11种预处理,采用连续投影算法（SPA）、连续变量重要性联合连续投影算法（VIP-SPA）进行重要波长提取,分析研究土壤有机碳、土壤全氮及碳氮比的高光谱响应特征;采用偏最小二乘（PLS）、支持向量机（SVM）、多元线性回归（MLR）3种多元统计分析方法,以全波长和重要波长分别建立土壤有机碳、全氮及碳氮比的估测模型,探究不同光谱预处理对土壤有机碳、全氮及碳氮比估测模型效果的影响,以决定系数（R~2）、均方根误差（RMSE）和相对预测偏差（RPD）为评价指标,优选出最佳估测模型。本研究主要结论如下:（1）土壤光谱反射率随土壤有机碳和土壤全氮含量的增多而降低,随碳氮比的增大而升高,土壤光谱曲线变化趋势一致。波长选择算法联用（VIP-SPA）与单个波长选择算法（SPA）相比更具优越性,所提取的重要波长分布区域更加明显。土壤有机碳重要波长区域主要是:400～610 nm、690～720 nm、870～900 nm、1010～1060 nm、2150～2350nm,土壤全氮的重要波长区域主要是:400～600 nm、940～1120 nm、1265～1430 nm、1780～1950 nm、2100～2450nm。碳氮比的重要波长区域主要是:400～445 nm、520～600nm、700～800 nm、950～1000 nm、1030～1120 nm、1280～1425 nm、1780～1850 nm。（2）预处理有利于提高土壤有机碳、土壤全氮以及碳氮比与土壤光谱的相关性。Savitzky-Golay卷积平滑与其他预处理配合使用对于提高土壤有机碳与和土壤全氮以及碳氮比与土壤光谱相关性的作用并不显著,但是对于提高模型精度有一定作用。不同预处理对不同模型的估测效果影响不同,基于标准正态变量变换、多元散射校正、Savitzky-Golay卷积平滑+标准正态变量变换以及Savitzky-Golay卷积平滑+多元散射校正所构建的四种模型都具有较好的土壤有机碳和土壤全氮以及碳氮比的估测效果。（3）土壤有机碳含量的最佳估测模型为基于Savitzky-Golay卷积平滑+一阶导数的SVM非线性模型（R~2c=0.7596、RMSEc=2.4525、RPDc=2.0428;R~2v=0.7258、RMSEv=2.5343、RPDv=1.8770）,土壤全氮含量的最佳估测模型为基于Savitzky-Golay卷积平滑+一阶导数的PLS线性模型（R~2c=0.7686、RMSEc=0.4294、RPDc=2.0820;R~2v=0.6428、RMSEv=0.5161、RPDv=1.6710）,碳氮比的最佳估测模型为基于一阶导数的SVM非线性模型（R~2c=0.8723、RMSEc=2.7826、RPDc=2.6748;R~2v=0.7479、RMSEv=3.2608、RPDv=1.9956）。整体上SVM非线性模型对于土壤有机碳含量和土壤全氮含量有较好的估测效果,碳氮比更适用于PLS模型进行估测。不同波长选择算法联用可以提高模型的估测效果,VIP-SPA-MLR模型估测效果优于SPA-MLR模型。