近几十年来，伴随畜牧业经济快速发展和全球气候变暖，草地生态系统的稳定性降低，生态环境发生退化，草地生物量和固碳能力势必受到影响。大尺度、动态化、高精度的草地地上生物量(aboveground biomass, AGB)和土壤有机碳监（soil organic carbon, SOC）测对草地碳储量核算和畜牧业可持续发展具有重要意义，遥感技术凭借其高时空探测能力恰恰为其提供了解决思路。本研究以兴海县为研究区，基于野外实测的地上生物量和土壤有机碳数据，结合高空间分辨率的遥感、气候、地形、土壤等环境因子，利用支持向量机（Support Vector Machine）、随机森林(random forest, RF)和极限梯度提升(extreme gradient boosting, XGBoost)算法构建兴海县草地AGB和SOC估算模型，实现生物量和土壤有机碳的高精度模拟，并分析二者的空间分布特征。结果表明：（1）基于XGBoost模型的地上生物量估算精度(R²=0.75，RMSE=44. 64)高于RF的模拟精度(R²=0.72，RMSE=46.36)；（2）基于两个模型生成的30m分辨率AGB，其空间分布与实测AGB的空间分布相似，且AGB高值区位于研究区的东部，西部地区最低；并且XGBoost模型估算的AGB空间变异细节更加详细，尤其在研究区东部；（3）基于高分辨率的环境协变量-光学-SAR数据，估算的模拟精度高于基于单一数据类型的模拟精度，并且基于XGBoost模拟的SOC精度高于RF和SVM；（4）本研究SOC估算精度显著高于国内外SOC产品，且与250m分辨率SOC产品的空间分布相似。（5）地上生物量高值区与SOC高值区存在高度空间匹配度。本研究可为其他区域大尺度、高精度和快速化的生物量碳和土壤碳估算提供理论依据，为草地资源可持续利用提供科学依据。

关键词：生物量；土壤有机碳；机器学习；高精度；异质性