土壤有机碳(Soil organic carbon,SOC)是影响土壤肥力的最重要因素之一。生物炭由于具有高度芳香化碳结构和发达孔隙结构等特性,可以作为一种土壤改良剂,提高土壤有机碳含量,改善土壤物理结构,近些年成为土壤学及农业环境领域研究的热点。土壤有机碳含量的快速准确测定是生物炭农学及土壤环境效应研究的重要基础。本研究基于浙江省农业科学院杨渡基地的两个长期定位实验“生物炭施用量对稻田土壤有机碳的影响”(试验一)和“不同施肥处理对稻田土壤质量及作物生产力的影响”(试验二),探究施加生物炭对土壤有机碳组分含量的影响。以室内条件测定长期施用生物炭后不同处理土壤样品的光谱特征及其变化趋势,通过比较不同光谱预处理方法、样本选择方法、3种模型和4种特征波段选择方法分别建立施用生物炭后土壤总有机碳(Total organic carbon,TOC)预测模型,并对各模型的预测效果进行对比分析。主要研究结果如下:(1)不同生物炭施用量对土壤有机碳的影响试验结果表明,油菜中高量处理均显著增加了TOC含量,但是水稻季的增长趋势较油菜季明显较少,且不同施用量处理之间并无显著性差异。生物炭显著增加了土壤可溶性有机碳(Dissolved Organic Carbon,DOC)的含量,中施用量生物炭处理下土壤DOC含量最高,较对照增加了111.48%。油菜季生物炭显著增加了土壤易氧化有机碳(Readily Oxidized Organic Carbon,ROOC)的含量,并且中高施用量处理之间无显著性差异。油菜季和水稻季的土壤微生物生物量碳(Microbial Biomass Carbon,MBC)含量最大值均出现在中施用量处理下。当施用量较高时,生物炭对土壤轻组有机碳(Light Fraction Organic Carbon,LFOC)占比有显著影响,且油菜季中土壤LFOC比例明显高于水稻季。通过比较不同预处理方法、建模样本选择方法、建模方法以及特征波段提取算法,建立了生物炭施用量处理下土壤TOC的优化模型,表明以SG卷积平滑与多元散射校正(Multiplication Scatter Correction,MSC)组合的预处理方法,KS(Kennard-Stone)样本选择方法,连续投影算法(Successive Projections Algorithm,SPA)特征波段算法建立的遗传算法-支持向量机(Genetic Algorithm-Support vector machine,GA-SVM)模型最优,适合进行TOC的快速预测。(2)不同施肥处理对土壤有机碳的影响试验结果表明,在油菜季生物炭显著增加了土壤TOC含量,且TOC含量的最大值出现在生物炭处理中,较对照增加了36.21%。在油菜季,秸秆还田和生物炭处理均显著增加了土壤DOC含量,生物炭处理下土壤DOC含量最大,生物炭处理与对照、生物炭减量施肥处理之间均有显著性差异,表明减量施肥情况下,可降低生物炭对土壤DOC的作用。而在水稻季与油菜季有所不同,秸秆还田、生物炭和生物炭减量施肥之间并无显著性差异。水稻季在施用生物炭条件下,减量施肥和常规施肥处理之间有显著性差异,表明减量施肥可能会降低生物炭对土壤ROOC的作用。油菜季秸秆还田处理下土壤MBC最大,较对照增加了23.62%,水稻季仅增加7.30%。两季作物条件下减量施肥和常规施肥之间均无显著性差异。油菜季秸秆还田和生物炭处理均显著增加了土壤LFOC的比例。通过比较不同预处理方法、建模样本选择方法、建模方法以及特征波段提取算法,建立了不同施肥处理下土壤TOC的优化模型,表明以SG卷积平滑预处理方法,SPXY(Sample set Partitioning based on joint x-y distances)样本选择方法,SPA特征波段算法建立的偏最小二乘(Partial Least Squares,PLS)模型最优,适合进行TOC的快速预测。