耕地土壤有机碳（SOC）是评价土壤质量的关键指标，准确掌握SOC含量及其空间分布信息，对实现土壤养分精准管理、促进农业可持续发展具有重要意义。卫星遥感技术的迅猛发展为土壤属性定量化研究提供了丰富的数据源，成为区域大范围SOC预测的有效手段。本研究以我国东北典型黑土为研究对象，开展了两种SOC遥感反演算法的定量对比，分别是基于光谱信息的星载高光谱遥感直接估算法，以及融合作物生长信息的多光谱遥感间接反演法。研究结果如下：其一，基于多源多时相卫星（Landsat-8、Landsat-9和Sentinel-2）数据，对比了单期裸土信息与多时相作物生长信息对SOC制图精度的影响。结果表明，利用多时相作物生长信息可有效提高土壤属性预测精度，且作物生长初期为SOC空间变异的最佳解释窗口。此外，研究结果表明Landsat-9在土壤属性制图中具有较大潜力, 且证明了Landsat-8与Landsat-9联用在土壤属性制图中的可行性与优势。其二，基于国产高光谱卫星ZY1-02D数据，提出了结合分数阶微分（FOD）和三维光谱指数的集成方案。研究结果表明，FOD可以突出细微的土壤光谱信息，且低阶FOD比高阶FOD表现更好；与二维光谱指数相比，三维光谱指数可以捕捉到更多的光谱特征信息。结合0.6阶FOD和三维光谱指数的模型表现最优，表明两者在SOC反演方面具有较好的协同作用。以上研究为基于卫星遥感进行大区域土壤养分监测提供了技术参考。

土壤有机碳；可见光-近红外光谱；机器学习；分数阶微分