近几年,随着成像高光谱技术的不断进步,利用光谱方法获取目标物的有效信息已经成为目前农业遥感领域的研究热点。土壤有机质含量是权衡耕地土壤肥力的重要标准,亦是增强农作物产量的物质根本。因此,利用成像高光谱遥感技术对耕地土壤有机质含量进行定量研究,已成为遥感技术在农业中的应用研究焦点。然而,国内利用成像高光谱技术对耕地土壤有机质(Soil organic matter,SOM)的研究较少,鉴于此,作者设计了基于成像高光谱的耕地土壤SOM监测实验。本文以陕西杨凌、河北安平、北京小汤山地区不同类型的耕地土壤为研究对象,利用高光谱影像,探求耕地土壤有机质含量的光谱响应规律,引入重采样技术、土壤指数法、主成分分析法、连续小波变换等算法,逐步进行小区域尺度耕地土壤有机质的遥感监测研究。本研究的主要内容和结论包括如下几部分:(1)基于土壤指数、主成分分析法、连续小波变换等方法,对土壤有机质含量的成像高光谱数据进行特征分析,研究耕地土壤有机质含量与其光谱参量的响应关系,提取不同反演算法的敏感特征,确定上述方法与土壤有机质相关性较好的特征参量。(2)结合耕地土壤有机质含量光谱分析结果,筛选出不同尺度与不同反演算法的耕地土壤有机质敏感信息,构建基于土壤指数法、主成分分析、连续小波变换等反演算法的预测模型,并以决定系数、均方根误差、估测精度为评定指标,对模型结果进行精度验证,筛选出最适合的诊断模型。通过对比看出,PCA-PLS模型精度最低,MSI-PLS模型其次,CWT-SLR模型的估测精度最高,反演效果最好,R2值最高为0.5762,RMSE值最低为2.5547 g/Kg,整体估测精度EA最高达到87.19%。(3)无人机飞行高度、成像像元尺度、成像幅宽具有相关性,无人机的飞行高度不同,像元尺度不同,其空间分辨率也不同,导致耕地土壤SOM反演模型的精度有所差异。本文共模拟获取五种不同像元个数的重采样数据,进行耕地土壤有机质的遥感反演模型研究,构建无人机飞行高度-成像幅宽-像元分辨率-反演模型-监测精度的关系表,发现飞行高度最低为83m的模型预测效果最好。因此选定5*5采样尺度、83m飞行高度,采用CWT-SLR模型对土壤有机质含量进行模拟。综上所述,本文利用成像高光谱数据,分析了耕地土壤有机质的光谱特征,构建遥感诊断模型,提出了土壤SOM快速、准确、无损估测的监测方法,完善了小区域尺度的耕地土壤有机质含量遥感监测体系,为无人机成像光谱技术应用于耕地土壤有机质监测进行了有益探索,验证其在土壤SOM方面的可行性,有利于促进精准农业的发展和成像高光谱技术的应用。