地球化学勘查是地质矿产勘查工作中获取找矿信息的重要手段。地球化学异常信息提取是确保勘查地球化学方法有效性的重要环节。然而,地球化学勘查不可避免涉及大量采样工作,对于工作环境恶劣人们难以到达的地区,大范围、高精度、多尺度的地球化学数据极难获取。随着地质成矿理论研究的不断深入,地球化学与遥感技术相融合,综合分析与预测成为找矿发展趋势。为了实现高效获取大范围、高精度的地球化学数据,本文研究适用于复杂地质条件下遥感地球化学反演模型,以提高地球化学局部异常提取能力。遥感地球化学反演的关键为建立地球化学元素与遥感影像之间的对应关系。现有遥感地球化学反演模型没有考虑复杂地质因素控制下地球化学元素呈现出的共生组合特征。因子分析是研究元素共生组合的一种有效方法。同时,地球化学异常分布具有不连续性、突变性、多样性等非线性特征。基于传统线性回归的方法很难获得令人满意的效果,直接影响反演的可靠度。核极限学习机(kernel extreme learning machine,KELM)将未知隐含层特征映射用核函数替代,具有运算速度快、泛化能力强等性能。基于此,本论文针对地球化学异常提取问题,通过对地球化学元素进行因子分析,建立元素组合以反映地球化学元素共生组合特征;基于核极限学习机建立遥感地球化学元素组合非线性反演模型。本论文以鄂尔多斯盆地三道桥地区作为研究区,选取研究区1:20万土壤地球化学数据与Landsat 8 OLI遥感影像进行反演分析。对研究区内重要指示元素,利用因子分析建立地球化学元素组合;基于KELM建立研究区地球化学元素组合与OLI影像非线性对应关系,实现研究区大范围高精度地球化学数据预测反演。在反演模型验证方面,分别基于单元素与元素组合结合极限学习机与核极限学习机进行对比分析。通过分析反演预测结果,本论文所构建的反演模型获得了较高的预测精度与较低的预测误差,表现出更优越的预测能力。同时,选取已知矿点进行异常区对应度分析。实验结果表明,已知矿点均落入本文所提模型反演数据所圈定的异常区或位于异常区边缘;较原始地球化学数据与对比方法,展现出了与已知矿点更好的对应度,验证了基于KELM的遥感地球化学元素组合反演模型的有效性。本文所构建的反演模型获得的预测数据有效补充了原始地球化学数据,可与原始地球化学数据结合分析,发掘原始地球化学数据异常提取无法圈定的异常区域,为进一步的找矿工作指明方向,降低环境恶劣区域地球化学勘查工作成本。