机载成像高光谱遥感技术已成功应用于矿产勘查、基础地质调查、土壤质量调查等领域,并取得了显著的效果。但由于太阳角度、大气条件、地形条件、飞行平台的震动、环境的压力/温度变化,地物混合和传感器本身等诸多因素的复杂耦合,使得机载成像高光谱的应用存在很多不确定性,定量化程度不高。针对此问题,论文以机载成像光谱测量系统CASI/SASI为例,开展了光谱重建、信息提取和建模应用等关键技术研究。首先,在机载成像光谱重建主要误差来源和影响因素分析的基础上,提出了吸收深度系数+成像光谱数据大气层参量提取的辐射传输模型+Minnaert模型的光谱重建方法,构建了机载成像光谱重建技术流程。其次,基于重建的机载光谱数据,开展了岩石矿物和土壤有机质的信息提取算法研究。提出了基于深度学习神经网络的矿物信息提取方法,通过基于Hapke模型的模拟数据,稀疏运算、深度学习贪婪训练算法的实现了较高的矿物混合光谱解混精度;提出了黑土有机质反演的信息提取方法,有效提高了基于机载高光谱数据有机质含量反演精度。最后,以甘肃祁连山大型铁矿和东北建三江典型黑土地为研究区,对光谱重建和信息提取结果进行了验证,在此基础上,结合应用地质背景、相关规范和地质成矿理论,开展了研究区的找矿预测和黑土质量评价工作。发现了较好的找矿线索,圈定了找矿有利地段,评价了东北建三江地区的水稻土壤的有机碳含量和质量。综合以上研究,岩石、土壤的机载成像高光谱数据中蕴含矿物、有机质、有益元素等信息,精确的反演和分析这些信息对矿产、黑土等重要自然资源的合理利用和保护具有重要意义。论文对机载成像高光谱重建、信息提取、建模应用等关键技术开展了研究,创新的提出了基于吸收深度系数+成像光谱数据大气层参量提取的辐射传输模型+Minnaert模型的光谱重建方法、深度学习神经网络的混合光谱分解信息提取方法和面向找矿预测和黑土质量评价的应用技术,并在本研究区得到了试验和验证,有待于在其他区域进一步检验,并能得到推广应用。