土壤有机碳（SOC）对土壤肥力至关重要, 可见-近红外光谱能对其实现快速反演, 为区域监测和定量遥感提供基础。 针对包络去除（CR）仅提供反射光谱的单向吸收特征, 多元回归中预测信息缺失、 拟合结果未充分反映波段特征, 利用世界土壤数据库245份中国土样的可见-近红外光谱, 首次提出双包络去除（BCR）与正交偏最小二乘（OPLS）结合的反演方法BCR-OPLS, 同时纳入光谱反射率及上、 下边包络去除量, 讨论组分参考值偏态分布时幂函数或对数缩放在回归时的优化作用, 建立多种土壤的综合与分类估计模型, 并导出适用特定类型土壤的SOC指数。 结果表明, 对多种土壤有机碳含量反演, 相较PLSR模型（决定系数R2和估计根均方误差RMSEE分别为0.69和0.45%）, BCR-OPLS模型的预测能力明显改善（R2和RMSEE分别为0.9和0.26%）; 而对单一类型土壤的反演精度则进一步提升, 根据载荷趋势和变量重要性建立的SOC指数, 预测如黄色铁铝土的有机碳含量时（以400, 590和920 nm）, 其反演结果R2达到0.94、 RMSEE达到0.21%。 双包络去除与OPLS相结合, 增强了光谱特征诊断的鲁棒性, 提高了不同类型土壤的综合与分类SOC全谱反演精度, 基于直观的图谱表达可构建简单的波段预测关系, 深化了物理经验吸收与统计多元回归之间的联系。