高光谱遥感是当前定量遥感发展的重要方向,土壤遥感是遥感应用研究的热点之一。目前,精准农业施肥和重金属污染监测已成为解决人地矛盾、确保粮食安全和农业可持续发展的基本前提。快速测定土壤组分含量,尤其是快速准确获取土壤中主要养分及重金属含量,已成为精准农业发展和土壤环境监控的必需。因此,应用高光谱技术获取土壤组分信息已成为研究的热点方向。本研究以位于江汉平原的湖北省洪湖市为研究区,以湖区农用地土壤为研究对象,针对土壤光谱全波段参与PLSR建模中的缺陷,以及外部因素(水分含量)的干扰,分别采用CARS特征波段选择方法和GLSW滤波算法对已有模型进行优化,并有效的解决了上述问题。在此基础上,对研究区土壤各组分含量的空间分布特征进行了分析。研究过程主要分为研究区数据获取及数据特征分析、土壤组分含量高光谱反演建模、反演模型的优化、土壤组分含量的分布特征分析四个部分。研究所取得的主要结论如下：(1)分析得到了研究区内土壤组分含量及光谱的统计特征,为土壤组分的光谱反演建模提供了依据和支撑。本文通过马氏距离计算剔除异常样本后,对有效土壤样本的组分含量及其光谱特征进行了一系列的分析,结果表明：①研究区内土壤中OM和TN的含量丰富,潜在肥力较高,土壤中重金属Fe和Zn含量偏低,重金属Cu的含量偏高。②研究区土壤组分含量变异范围比较广,这有助于组分光谱反演模型稳健性的提高。③土壤OM和TN、Cu与Zn、Fe与Cu含量间存在显著的正相关关系,这为的土壤组分的反演建模提供了便利和验证依据。④经过对光谱数据进行平滑、一阶微分、吸收光谱变换和SNV变换等预处理,可以消除部分系统噪声、基线和背景值的干扰,从而提高土壤组分光谱反演的精度。⑤通过不同预处理光谱与各组分含量的相关系数计算,得出了土壤OM、TN、重金属Fe、Cu、Zn的光谱特征波段分别位于660nm、660nm、850nm、400nm和2350nm附近。(2)建立了不同条件下土壤各组分反演的PLSR模型,发现了建模中存在的问题和不足。运用PLSR方法,分别建立了风干土壤与不同湿度等级下土壤各组分的反演模型,通过对模型的预测结果进行分析,得出如下结论：①对于风干土壤中OM和TN的光谱建模来说,PLSR方法可以有效地利用土壤光谱反演OM和TN。其中,反演模型对OM预测精度良好,对TN能够进行粗略估测。②加湿后,对不同湿度条件下的土壤组分进行光谱反演建模,模型的预测精度均明显降低。其中,PLSR反演模型对OM只能进行含量高低值的区分,已经无法实现土壤TN的预测。因此,在建立模型时,需要考虑外部环境因素(如水分)差异对模型精度的影响。③使用PLSR方法建立土壤重金属Fe、Cu和Zn含量的反演模型,模型的精度差异明显。其中,对于重金属Fe可以实现粗略估测,对于Cu只能实现含量高低值的区分,无法满足Zn的基本反演估测精度。因此,对于土壤中微量元素的光谱反演来说,利用全部波段参与PLSR建模,受无信息波段的干扰较大,估测精度有待进一步提高。(3)针对PLSR方法建模中存在的问题,本文将CARS特征波段选择方法和GLSW滤波算法引入到PLSR反演模型中进行优化,验证得到了预测能力更强、稳健性更好、结构更加简洁的土壤组分光谱反演模型。针对土壤组分全波段参与PLSR建模中存在的多重共线性、模型复杂性等问题,提出了利用CARS方法进行特征波段选择优化。通过与传统的GA方法特征波段选择的结果进行对比,主要结论如下：①经过波段变量选择后,剔除了不相关变量,PLSR模型的预测性能得到显著提高,其预测能力与稳健性增强。②GA和CARS波段变量选择优化方法对于土壤各组分的反演提高效果差异明显。其中,对土壤OM和TN的反演精度提高较少,而对于土壤重金属Fe、Cu和Zn的估测精度均有大幅提高。③CARS-PLSR预测模型的性能优于GA-PLSR预测模型。前者能够极大的降低参与建模的波段数量,相对于参与PLSR和GA-PLSR建模的波段而言,有效的避免了非显著波段的干扰,同时也降低了模型过拟合的风险。④GA-PLSR模型虽然也能够选择出特征波段,但是由于其需要调整的参数过多,往往很难达到最佳状态,迭代寻优的性能受到限制。而且,在实际运算过程中,GA的效率不高,限制了模型的实用性能；⑤经过模型的显著波段分析发现,土壤OM、TN、重金属Fe、Cu、Zn反演的显著波段主要分布于可见光和近红外的长波波段,与现有的相关研究结论相近。因此,在土壤组分含量的高光谱估测中,CARS-PLSR可作为无损、准确、快速估测的优选方法。针对土壤PLSR反演建模易受水分因素干扰的问题,提出了利用GLSW方法进行水分干扰滤波优化,并与常用的OSC滤波方法优化结果进行对比,结论如下：①OSC和GLSW滤波方法结合光谱数据和土壤组分数据进行水分干扰的滤波消除,两种方法均具有一定的土壤水分干扰去除效果。②对不同湿度下土壤OM和TN的估测而言,GLSW-PLSR模型的估测能力优于OSC-PLSR模型；③经GLSW滤波方法优化后,成功实现了不同湿度条件下的土壤OM和TN反演模型的转移。因此,经过滤波优化后的GLSW-PLSR模型能够极大的提高反演模型在不同条件下的适用性,从而为室内模型向室外模型的转移奠定了科学基础,同时也为快速高效的获取湿润土壤组分信息提供了可能。(4)在土壤组分光谱反演建模及优化的基础上,分析得到了研究区内土壤OM、TN、Fe、Cu、Zn五种组分含量的空间分布特征。在土壤组分光谱反演建模及优化的基础上,反演得到一系列土壤组分含量估测值。利用土壤在空间上的自相关性,采用普通克里金插值方法对土壤组分信息进行空间插值,分别得到了研究区内土壤OM、TN、Fe、Cu、Zn五种土壤组分含量的空间分布特征图,并通过了样本真实组分含量信息验证。在此基础上,对研究区内的土壤组分含量的空间分布特征进行了分析,结果表明：利用高光谱数据提取土壤组分含量的空间分布特征,可以高效、低成本的对各组分的空间分布信息进行合理预测和掌控,并且可以直观的了解各组分的空间分异规律。利用高光谱技术快速准确掌握土壤的实时信息,为精准农业施肥和环境管理提供基本数据支持,对于促进农业的发展和环境的保护具有深远的意义。