土壤是一种重要的自然资源,其质量的高低与人类生产、生活具有重要影响,尤其是土壤肥力与农业生产关系密切。土壤有机质多少是土壤肥力的重要指标之一,了解有机质含量高低与空间分布对指导农业生产,土壤环境保护至关重要,土壤有机质制图研究正是基于此种需求发展起来的。数字土壤制图是当下最为高效、科学的制图方法,利用与土壤发生发育过程相关的环境因子如地形、海拔、气候等作为辅助变量来提高对土壤有机质预测分布制图的精度是目前主要的研究思路,也是最有成效的模式。但是在平原区,地形条件单一,环境相似,传统的一些环境变量理论不适用,需要发掘新的环境因子作为辅助变量来解决平原区土壤属性制图精度较差的问题。基于此,本研究在前人理论的基础上提出“作物全生育期光谱反馈面”这样一种易获取的多时相的光谱遥感数据用来表征平原区地物随时间变化的特征,并从中提取与土壤有机质相关参数作为辅助变量纳入土壤有机质制图环境变量体系中,并建模验证是否有效。本研究选取位于江汉平原腹地的潜江市作为研究区,该地区是湖北省重要的粮食生产基地,耕地广布,主要农作物是水稻。根据研究区范围大小以及实地情况布设采样点942个,于6月农闲时采集土壤样本,并带回实验室经风干、研磨、过筛后以“重铬酸钾-外加热法”测取土壤有机质数据。通过GEE（Google Earth Engine）平台,在线处理并下载哨兵2号（Sentinel-2）卫星遥感数据。选择6—10月,即该地水稻的全生育期,每月一幅遥感影像数据,时间间隔为20—30天之间,构建“作物全生育期光谱反馈面”。利用二维离散小波变换法（2D-DWT）对是离散数值矩阵的光谱反馈面进行处理,得到能够表征原矩阵数据水平、纵向、对角三个方向变化的四个系数矩阵:逼近系数矩阵（cA）,垂直细节系数矩阵（cV）,水平细节矩阵（cH）,对角方向系数矩阵（cD）,再对这四个系数矩阵作均值、标准差处理,获得8个特征值。由于选择不同的小波基函数,二维离散小波变换处理的结果就不同,选用了三种常见的小波基haar、db2、db4,通过后续的建模来看哪种更合适。将上述8个特征值作为辅助变量,基于协同克里格法对土壤有机质进行分布预测制图,并与基于土壤有机质空间自相关性的普通克里格法（SOM-OK）预测制图结果做对比分析。结果显示由haar小波基的2D-DWT处理得到的cA矩阵的均值与cD矩阵的标准差两个特征值搭配的辅助变量建立的模型效果最佳,均方根误差（RMSE）为7.16略低于SOM-OK模型的7.22,平均标准误差（ASE）6.77与RMSE的差也低于后者,表明在估计预测的变异性方面效果优于后者。并且前者制作的土壤有机质分布图要比后者在细节上更加细腻,更符合实际土壤有机质分布规律。这表明作物全生育期光谱反馈面在平原区土壤有机质制图研究中的有效性以及基于地统计的土壤制图模型的可行性,作物全生育期光谱反馈面可以作为有效辅助变量应用于平原区土壤有机质制图中。此外,对不同类型土壤的作物全生育期光谱反馈面形态特征差异对比分析下发现在土壤分类制图方面也有较大的应用潜力。