滨海湿地是陆地和海洋相互过渡的交错地带,是最具经济价值的生态系统之一,同时也极易受到外来物种入侵的影响。互花米草是我国滨海湿地生态系统中典型的入侵植物,对我国沿海盐沼湿地土壤系统造成了重要影响。在此背景下,快速、准确地监测互花米草入侵湿地的土壤系统变化过程,可以为区域湿地生态系统保护和管理提供重要依据。本研究以互花米草入侵背景下的江苏省盐城市滨海湿地为研究区,利用时空替代法选取15个样点（最大入侵年限为17年）,在三个土层（0-30、30-60、60-100厘米）深度采集共计45个样本。实验室内,测定十种关键土壤理化属性（有机碳、无机碳、全氮、pH、盐分、含水量、容重、黏粒、粉粒、砂粒）;利用ASD地物波谱仪获取土壤的反射光谱曲线。为了评价不同光谱处理方法对预测精度的影响,首先对土壤光谱数据进行了预处理及数学变换,得到六种光谱变换形式（原始光谱反射率（R）、倒数（1/R）、一阶微分R’、二阶微分R"、倒数的一阶微分（1/R）’及二阶微分（1/R）"）;其次,依据土壤属性与光谱数据的相关性,采用相关分析法筛选特征波段参与建模;此外,选取植物入侵年限和土层深度作为辅助变量;最后,利用偏最小二乘回归和随机森林回归分别构建土壤属性预测模型,并对其进行评价分析。本研究重点探讨不同建模方法、波段筛选和辅助变量选择对模型精度的影响,以检验该特殊生态系统环境下可见光-近红外光谱的土壤属性预测能力。研究表明:互花米草的长期入侵导致土壤表层有机碳与全氮含量显著增加、盐分减少。偏最小二乘回归法对有机碳和盐分含量的预测效果最好（RPD＞2）,对含水率的预测精度最低（RPD=1.49）,其余属性预测RPD介于1.7～2.0之间。随机森林回归法对土壤黏粒和盐分含量有更佳的预测效果（RPD＞1.9）,但无法对含水率、粉粒和砂粒含量进行有效预测（RPD＜1.4）。基于有限样本数,偏最小二乘模型的预测精度较高;随机森林模型可避免“过拟合”现象,稳定性更好,且对建模变量表现出更强的敏感度。在显著波段结合时空辅助变量的情况下,基于随机森林回归建立的模型在一定程度可以提高大部分土壤属性的预测精度,而基于偏最小二乘回归建立的模型中仅土壤有机碳和盐分含量的预测效果有所提升。本研究运用偏最小二乘回归和随机森林模型结合环境辅助变量检验了可见光-近红外光谱在互花米草入侵湿地预测土壤属性的能力。本研究表明,在互花米草入侵湿地,光谱技术可以用于土壤属性监测;针对受环境变量影响显著的土壤属性,加入时空辅助变量参与建模可以有效改善模型的预测精度。