锰、铀矿资源的开发不当造成土壤污染,并危害人类健康,因此对锰、铀污染的土壤进行监测有重要意义。传统监测方法主要为化学测试,该方法较为耗时,而高光谱遥感改善了这一状况。对未受污染的土样添加金属锰(浓度800-9600mg/kg)、铀(浓度25-800mg/kg),待螯合数月后采样,通过地物波谱仪PSR-2500获取土样反射光谱。光谱平滑后使用微分变换、倒数对数变换方法凸显土壤光谱有效信息,获取光谱特征参数。利用Pearson法,计算土壤光谱与锰、铀含量间的相关系数。选取土壤光谱的特征波段与土壤特征参数作为解释变量进行光谱建模反演,并构建土壤光谱库。主要研究成果如下:(1)受锰污染土壤光谱反射率介于5%-40%,在400-900nm波段,土壤反射率随锰浓度升高而降低,当浓度达到4800mg/kg的反射率最低,浓度继续提高后,反射率回升。受铀污染土壤光谱反射率介于5%-35%,在400-900nm波段,土壤的反射率随铀浓度提高而降低,当铀浓度约275mg/kg时土样光谱反射率最低;在900-2500nm区间内,未受污染的土样反射率最高,受铀污染后,反射率随着浓度的增加逐渐降低,当铀浓度为375mg/kg时土样光谱反射率最低。(2)平滑后的光谱经一阶微分变换,锰污染下的特征波段集中在420-610nm、660-960nm、1032-1421nm、2147-2230nm;铀污染下的特征波段多位于440-830nm和红外波段。光谱经二阶微分变换,锰污染下的特征波段分布在全波段;铀污染下的特征波段分布在350-420nm、1408nm、2130nm附近。光谱经倒数对数变换,锰污染下的特征波段在380-980nm、1635-2360nm、2530nm;铀污染下的特征波段多在330-400nm、510-2535nm。锰污染下通过p=0.05检验的光谱特征参数是土壤吸收谷宽度、深度、面积、蓝边峰值;铀污染下通过p=0.05检验的参数是吸收谷深度、位置和面积。(3)运用多元线性回归分析、神经网络模型建立土壤光谱与土壤锰、铀元素含量间关系模型。结果表明:锰元素含量最佳反演模型是光谱二阶微分变换后的神经网络模型,R~2为0.966,RMSE为0.488。铀元素含量最佳反演模型是光谱一阶微分变换后的神经网络模型,R~2为0.956,RMSE为0.142。(4)建立实验土壤光谱库,其中包含了不同浓度锰、铀污染下的土壤光谱曲线。论文成果能够扩宽矿区土壤锰、铀含量监测渠道。