土壤剖面及其不同层次的属性研究对于土壤发生发育、土壤分类等土壤科学研究有着极其重要的意义。传统的土壤信息获取过程耗时费力,而遥感技术可以快速、周期性地提供各种尺度的土壤信息,已被广泛应用于土壤资源调查、土地质量评价、土壤分等定级、土壤分类及土壤制图等研究工作当中。传统的土壤理化属性测试方法费时、繁琐,成本高,难以满足快速监测土壤氮(N)含量的需求。近年来利用光谱测定技术快速、简便、无损地对样品进行定量分析,已在各个领域广泛应用,并取得了良好的效果。成像技术与光谱技术的结合获取的数据既具有高空间分辨率又同时具有高光谱分辨率,能够提供非常丰富的土壤遥感信息,为横向上的土壤定量监测及土壤属性制图等提供了坚实的数据基础。然而,从国内外学者的研究工作来看,土壤科学缺乏一种对于土壤完整剖面的高空间及高光谱分辨率成像技术来测量全氮(TN)含量。对于土壤属性的定量研究大都选用深0-15cm或0-20cm的耕层土样,鲜有针对0-100cm剖面点状样的相关报道,特别是针对纵向上完整土壤剖面TN制图更是未见诸于相关文献。鉴于此,本文以配备25μm狭缝和视场角13.1°的35mm焦距镜头,电荷耦合器件(CCD)1004pixels×1002pixels的成像光谱仪用于数据采集,涵盖400-1000nm共753个波段。首先利用采自潜江后湖地区0-100cm剖面点状土样光谱反射率,对比分析不同预处理方法、不同建模方法对预测结果的影响,探究最佳的预测模型。然后利用采自咸宁地区0-100cm剖面点状土样的可见近红外(Vis-NIR)土壤反射光谱建立预测TN的校正模型,再利用该模型对该地区3个完整土壤剖面的Vis-NIR高光谱影像数据进行TN的反演并制图,考察成像光谱技术在纵向上的土壤TN预测能力。同时,在研究过程中基于软件Matlab2010b编写了一个土壤高光谱影像处理系统来完成相关数据处理。主要研究成果如下：1.基于Vis-NIR光谱土壤TN含量的预测研究土壤建模方法是影响光谱定量结果的主要因素之一。对采自潜江后湖农场0-100cm深度范围的48个剖面点状土样经过风干、研磨、过筛后进行光谱采集。经光谱反射率曲线感兴趣区(ROI)提取,为剔除无效光谱区域决定保留470-1000nm波段数据,然后分析比较了多种预处理方法建立的PCR(主成分回归)和PLSR(偏最小二乘回归)模型,最终确定采用先一阶微分(FD)变换再二阶7窗口Savitzki-Golay平滑作为光谱预处理最佳方法。再分别应用PCR、PLSR和反向传播神经网络(BPNN)3中方法建立土壤TN的定量模型。PCR与PLSR两线性模型的R2分别为0.74和0.80,其RPD分别为2.23和2.22,两模型能用于土壤TN含量的精确估计。由PCR提供主成分数(Principal Components), PLSR提供潜变量数(Laten Variables)分别作为BPNN的输入,构建的两个非线性模型BPNN-PCs和BPNN-LVs均明显优于线性模型PCR和PLSR。其中以4个潜变量作为输入的BPNN-LVs模型预测性能最优,R2以及RPD分别达到0.90和3.11。实验结果表明,提取Vis-NIR光谱的PLSR潜变量因子作为BPNN的输入,所建定量模型可用于土壤N纵向时空分布的快速准确预测。2.基于Vis-NIR成像光谱的土壤剖面TN反演及制图采自咸宁崇阳的完整土壤剖面高光谱影像在TN反演前需做一系列预处理。通过用数码相机拍摄有固定格网尺寸背景的数码照片结合剖面高光谱影像进行几何校正,解决了由于光谱仪和拍摄平台等技术局限性导致拍摄的影像存在较大形变的问题,并将影像校正为1mm精度。通过空间维及光谱维的裁剪,去掉木框及平台背景而保留土壤影像数据(160pixels×980pixels)及有效的光谱波段(470-1000nm)。经几何校正和裁剪后的影像使用多种监督分类法处理,结果显示最小距离法对于阴影、裂缝等无效数据与土壤的区分效果最佳。提出一种“采样模板”的方法,让模板依据限定条件进行块状或条状采样,做类似于ROI的平均处理,最终解决点状样与剖面光谱的尺度不一致问题。再利用10个点状土样光谱建立PLSR校正模型,对三个完整土壤剖面高光谱影像进行TN预测。结果表明,Vis-NIR成像光谱可以应用于纵向土壤剖面TN反演及制图,且预测效果良好,经实测值检验0-100cm的R2和RPD分别为0.56和1.41模型达到了粗略估计范畴；0-60cm的效果较好R2和RPD分别为0.87和1.76,显示出成像光谱技术可能具有纵向局限性。各剖面单独预测发现,XL-1在60-100cm的预测偏差拉低了三个剖面总体在0-100cm的预测效果,其在0-60cm的检验结果显示R2=0.94,RPD=2.19,模型优异且达到了可精确预测的范畴,而其0-100cm的R2和RPD则分别降至0.15和1.06。XL-2和XL-3在0-100cm的检验结果中显示R2分别为0.91和0.93,RPD分别为1.81和1.69,模型均达到了粗略定量范畴。以上结果表明,本研究已初步建立起一套基于Vis-NIR成像光谱的土壤剖面TN反演及制图处理流程,该技术用于完整剖面土壤TN含量的粗略估计是可行的。3.土壤高光谱影像数据处理系统设计与实现土壤高光谱影像数据大,计算效率低。现有各类图像处理软件仅能实现通用功能,难以满足对影像做无效值剔除、模板采样等特殊处理需求。为了更好地对数据进行处理,本研究基于Matlab2010b设计并编译了一个图形用户界面(GUI),实现了土壤高光谱影像的数据读取、影像裁剪、无效值剔除、采样模板、位置还原、精度评价等功能。数据读取给土壤高光谱影像处理带来了便利,影像空间维及光谱维的裁剪为后续研究提供了良好的数据支持,“采样模板”的实现对光谱尺度不一致问题的解决提供了技术手段。位置还原、精度评价等对预测结果的分析提供了便利。此外,数据处理所需的参数通过GUI输入,令操作十分简单。与ENVI4.7及Pls-Toolbox7.0.2配合在方便易用的同时提高了工作效率,也弥补了相关专业软件在处理方法上的不足。