近年来，在自然环境和人类活动的双重影响下，土壤盐渍化已经成为土壤退化的重要形式。及时展开土壤盐渍化研究对于改善土壤盐渍化现状以及预防土壤盐渍化的进一步发展具有重要意义。　　 为实现土壤盐分信息的定量反演，本文以覆盖黄河三角洲地区的ETM+和ALI图像为基础，在光谱数据（实验室光谱，野外光谱，图像光谱）以及土壤样本理化分析数据（土壤盐分值）的基础上建立了一系列基于偏最小二乘方法的模型，实现了研究区土壤盐分的定量反演。　　 植被区土壤盐分是土壤盐分反演的一个重要方面。本文在PLSR模型反演土壤盐分值的基础上，采用了基于图像反演盐分值的泛克里金插值方法实现了植被区土壤盐分反演。该方法方便快捷，无需大范围的土壤采样，适用于少量植被覆盖区的土壤盐分反演。本文还从非线性模型着手，探讨了基于广义神经网络的土壤盐分反演。随后，本文结合广义神经网络的反演机制，采用了混合像元分解的方法对植被区土壤盐分进行修正，修正结果更加合理。　　 最后，本文就黄河三角洲地区历史盐分变迁进行了一些积极的探索。初步研究认为，基于PLSR模型和ETM+数据的土壤盐分反演方法对充分利用存档Landsat数据，实现黄河三角洲地区的土壤盐分预测具有重要的现实意义。以盐分制图为基础，可以利用历史气象数据以及人文数据对黄河三角洲地区土壤盐分的驱动因子作进一步的研究。