农田水分的高效利用对于解决我国水资源短缺和粮食安全问题非常重要,并且这一需求在干旱、半干旱地区尤其突出。然而已有的有关农田水盐运移的研究多为侧重于土壤的控制实验或模拟,在作物生长情况下,受气象条件、土壤条件以及人类活动的多重影响,农田水盐状况在时间和空间上都会发生变化,即农田四维水盐信息发生变化,这些变化是干旱、半干旱地区盐渍农田节水灌溉与粮食增产的重要依据。但考虑到传统水盐监测技术耗时长、花费大等不足,目前仍然难以在区域上对这一时空变化进行准确描述。因此有必要开展盐渍农田水盐时空变化的研究,充分利用遥感数据,发展适用于区域尺度的提取四维水盐信息的有效方法。本文首先研究了高光谱遥感定量提取表层土壤水盐信息的方法,通过研究发现光谱数据前处理(如归一化变换、导数变换等)对于提取敏感光谱信号非常重要；选择少数敏感波段建立定量提取土壤水盐的模型不仅精度较高,而且模型简单稳定,物理意义明显。通过基于主成分分析的评价系统(PCAr),本文选择了对土壤水盐敏感的14个波段,即440、540、570、1390、1430、1460、1740、1870、1900、1940、2010、2270、2350和2410rim。通过综合分析土壤水分、盐分、质地三个主要因素和光谱的关系,发现土壤盐分信息提取受土壤水分和质地的影响较大,并建立了土壤水分和盐分的联合提取模型,基于提取的水分信息获取盐分信息。与直接提取盐分信息相比,联合提取模型可以显著提高土壤盐分信息的提取精度。具体而言,针对室内土壤样本,直接估计土壤盐分时,决定系数R2为0.47,相对均方根误差rRMSE为0.380；采用联合模型后,精度有明显提高,0.63<R2<0.95、0.132<rRMSE<0.366。以上遥感技术提取的水盐数据可以补充野外样本数据,从而在区域尺度上较准确的提取土壤水盐信息。利用土壤表层和根区水盐的关系,可以研究水盐的空间变异关系。但是这种基于空间分析的方法仅能提取三维土壤水盐信息,而通过水动力学模型可以模拟土壤水分在包括时间维度上的四维变化情况。这种模拟方法会受水动力参数选取的影响。本文提出了一种全局参数反演模型,通过反演全局优化因子,修正水动力参数偏差,并控制参数在允许范围内变化。本文共建立了三个反演模型,GW5、GW10和GW30,全局优化因子的数量分别为5、10和30。相对于正演模型预测的剖面水分精度R2=0.23,本文建立的GW5、GW10和GW30反演模型的预测精度R2分别为0.313、0.765、0.998。使用修正的赤池信息量准则AICc综合评价模型的复杂度和模型拟合的优良性,避免过拟合情况,发现结构最简单的GW5模型精度最高(AICc=-467.367),这主要是因为该研究区域质地比较均一,水动力参数的异质性不明显。根据数据情况的不同,基于GW5模型的结构建立一组模型S GW5,并通过两年的野外实验研究和验证,发现该组模型在研究区域的实用性良好。其中仅使用遥感数据预测的水分作为目标函数可建立V(RS)模型,使用2013年的野外数据校正V(RS)模型,R2=0.892,RMSE=0.01,使用2014年的野外数据进行验证,R2=0.738, RMSE=0.034。结果表明结合遥感数据与S GW5反演模型,预测作物生长各个阶段的土壤水分数据的精度显著高于正演模型。本文建立的土壤水盐的联合提取模型,可以广泛运用于定量提取易产生混合光谱的各种物质。通过遥感数据与全局参数反演模型结合,本文提出了区域农田四维水盐信息提取的方法,可广泛运用于研究不同环境下土壤水盐信息的时空变化。