本研究通过对实验得到的多角度石油污染土壤偏振光谱数据进行处理分析,先讨论了石油污染土壤的偏振特性,探究不同探测角度对石油污染土壤偏振特性造成的影响,以及污染程度可能对石油污染土壤偏振特性造成的影响,探究石油污染土壤偏振特性与对其造成影响的因素间所存在的关系与规律。本文中描述的研究将机器学习方法、半经验偏振遥感模型与石油污染土壤的偏振特性相结合,构建针对石油污染土壤的多种偏振遥感模型,对石油污染土壤的偏振特性进行预测,对模型的性能分析评估,进行相关讨论,希望能建立起准确预测石油污染土壤偏振特性的偏振遥感模型。在偏振遥感模型研究部分,研究了双向偏振分布函数（Bidirectional Polarization Distributed Functions,BPDF）模型对石油污染土壤的适用性,将Nadal-Bréon、Maignan、Waquet和Litvinov这四种常用的半经验BPDF模型应用到石油污染土壤的偏振反射特性研究中,比较它们对于石油污染土壤的适用程度,并对模型的参数进行了一定程度的修正,对比分析参数修正前后模型的精度变化。另外,在随机森林（Random Forests,RF）和K近邻（K-Nearest Neighbor,KNN）这两种算法的基础上,建立与散射角、Fresnel系数和特征波段有关的石油污染土壤偏振反射率预测模型,分别对比分析两种算法下单一特征和组合特征作为输入变量而建立的不同预测模型对于石油污染土壤偏振特性预测的准确程度,比较了不同模型的性能。结果表明:（1）石油污染土壤的偏振反射率和线性偏振度（Degree of Linear Polarization,Do LP）随观测天顶角的变化而变化,呈现出明显的规律性。石油污染土壤在400nm-2500nm波长范围内的偏振反射率和Do LP光谱证明了这一点,在这个波段范围内,偏振反射率和Do LP随着观测天顶角的增大而增大,在观测天顶角为0°时,值是最小的,在观测天顶角为60°时,出现最大值,这表明偏振反射率和Do LP与观测天顶角之间存在着正相关的关系。另外,Do LP的偏振光谱曲线几近重合,并且在400nm-500nm这个范围内出现负值。石油污染程度的不同会导致土壤样本的偏振光谱曲线出现相应的变化,污染程度增大,偏振反射率是随之减小的。（2）在对BPDF模型的研究中,对结果进行分析比较后发现BPDF模型能适用于石油污染土壤的偏振特性研究,模型模拟的石油污染土壤偏振反射率随着散射角的增大而减小。另外,对于石油污染土壤适用性最好的模型是Nadal-Bréon模型和Maignan模型,而Litvinov模型效果较差,但是将其参数进行一定程度的修正后,其精度有了很大提升。比较POLDER两个光谱通道（670nm和865nm）处的结果可以发现,670nm时模型预测的准确程度是要高于865nm。（3）在基于算法建立的石油污染土壤偏振特性预测模型的研究中,发现以散射角和1920nm处的数据作为输入变量建立的RF偏振反射率预测模型的准确程度最高,同时,以Fresnel系数和670nm处的数据作为输入变量建立的KNN偏振反射率预测模型性能最好。在RF的基础上来构建预测模型时,在选择石油污染土壤特征波段上,以石油污染土壤本身的光谱特征作为选择依据可能会更加可靠,得到的模型性能更好,准确程度更高。而在KNN的基础上来构建预测模型时,选择POLDER的两个光谱通道（670nm和865nm）作为特征波段会使模型的效果更为显著,表现得更加可靠,预测的准确程度也更高。