耕地是土地的精华,是农业生产的重要资源,耕地地力的优劣直接影响到农业的可持续发展和粮食安全。目前,应用GIS进行耕地地力评价已有大量的研究,多以大量的地面实测数据作为基础,数据获取用时长,耗费人力物力较大。因此建立基于遥感影像的耕地地力反演模型,可充分发挥遥感技术的优势,实现快速的耕地地力评价,为区域耕地资源管理及可持续利用提供科学依据。研究区选择耕地地力相似的山东郯城县和东平县,在GIS的支持下,结合实测地面数据进行评价单元的划分、参评因素的筛选、评价体系的构建,并选取评价模型对郯城县和东平县进行耕地地力评价并进行耕地地力等级划分,最后利用Arcmap和Mapgis专业软件进行制图,实现郯城县和东平县耕地地力等级分布的可视化表达。为实现基于植被指数的耕地地力遥感反演,我们筛选了11种应用范围广,具有较强普适性的植被指数参与分析。通过SPSS软件分析了11中光谱参数与郯城县耕地地力得分的相关性,进而筛选对耕地地力有较好反映的植被指数,然后利用相关性最大的两种植被指数为自变量,郯城耕地地力得分为因变量进行线性、非线性、多元线性回归拟合,通过回归分析选取最优植被指数作为耕地地力反演的指标,并建立耕地地力—植被指数模型。为了验证反演模型的精度,检验所建模型的通用性,我们选取其他区域进行模型的验证,作为模型推广的依据。选择了与郯城县耕地地力分布相似的东平县进行模型的优选和验证,同时,为确保模型验证的准确性,利用相关系数、决定性系数、均方根误差、准确度和精密度五个指标共同对模型预测值和实测值之间的符合度进行统计检验,并选出最优反演模型,最后利用最优模型对东平县耕地地力进行反演,并与基于GIS的耕地地力评级结果进行对比。结果显示：(1)本文选取的11种植被指数与耕地地力评价结果均具有很高的相关性,相关性系数均在0.678**以上,其中增强型植被指数EVI和归一化植被指数NDVI相关性最高,相关系数分别达到0.822和0.802。(2)在选取的线性和9种非线性和多元线性模型中,各模型的拟合度均较高,其中以NDVI和以EVI为自变量的Quadratic模型和Cubic模型的R2值较其他模型大,决定性系数R2分别达到了0.661和0.692,与评价得分的拟合程度最好,因此我们选取NDVI-Quadratic、NDVI-Cubic和EVI-Quadratic、EVI-Cubic模型来进一步验证。(3)EVI的Quadratic曲线准确度最高,为95.84%,RMSE和精密度偏差最小,分别为5.207和0.049,都优于EVI的Cubic曲线。而NDVI模型的各项参数均不及EVI模型。因此,我们最终选取EVI的Quadratic模型作为反演耕地地力状况的最优模型。模型公式为：耕地地力得分=76.13+5.516EVI+3.346EVI2。(4)利用最优模型反演东平县耕地地力分布图,通过对比分析东平县耕地地力反演分布图和常规评价图,看出模型反演的各耕地地力等级与实际的耕地地力评价等级具有较好的空间分布一致性,高中低等级面积比例差异都在3.3%以内,符合研究区实际情况,反演效果较好。(5)本研究证明了基于定量遥感手段进行耕地地力估测的可行性,为耕地资源的监测利用提供了有效手段。