土地是地球上陆地生物生存和发展的载体,而土壤是土地的重要组成部分,在人类生活与发展中扮演着至关重要的角色。随着全球环境的不断变化和科学技术的持续发展,土地资源的规划、利用和保护对于未来社会的发展愈加重要,因此,与土地相关的领域和学科也在快速的发展。土壤数据作为土地利用规划、精准农业发展和土地可持续化利用等众多领域或学科的数据参考,对于土地领域及学科的发展起到重要作用,因此精准的土壤数据也成为了做好土地学科发展的重要前提。土壤分类是土壤学中的经典问题,解决好土壤分类问题是形成准确土壤数据的关键因素之一。传统土壤分类的方法更加依赖于野外作业和主观性较强的分析,需要投入大量的成本进行土壤剖面的采集和分析,包括人工、经费及时间等多方面成本,因此,区分土壤类型亟需一种快速和准确的定量方式。本研究基于中国土壤发生分类体系和遥感技术手段,以松嫩平原典型黑土区明水县为研究区,为了对明水县范围内的3种土壤类型(黑土、黑钙土、草甸土)进行空间识别及分析,本研究使用了从1984-2018年间20幅裸土时期Landsat卫星遥感影像数据、全国第二次土壤普查数据、30米空间分辨率SRTM-DEM数据、土地利用类型数据等;引入4种时相信息(单时相、双时相、多时相和超时相)、2种分类方式(随机森林模型,最大似然法分类器)和2种数据压缩降维方式(主成分分析,穗帽变换);3个数据集(6个波段、穗帽变换后的3个指数、6个波段+穗帽变换后的3个指数);5个地形属性(坡度、坡向、曲率、地表起伏度、高程)。除此之外,对造成年际间土壤类型识别结果出现差异的原因进行分析,尝试揭示年际间土壤类型识别变化与土壤盐碱化变化之间的关系。本文主要研究内容与结果如下:(1)使用遥感影像信息能够准确地实现土壤类型空间分布的预测,遥感数据的时相信息越丰富,预测模型的精度和稳定性越高,使用超时相信息结合测试集3(6个波段加穗帽变换后的3个指数)构建模型后得到最高的总体精度和Kappa系数,分别是80.56%和0.704。相比较于单时相、双时相、多时相,超时相的总体精度分别提高了17.78%,12.23%,8.89%,Kappa系数分别提高了0.265,0.185,0.136。(2)穗帽变换是一种有效的数据压缩和降维方式,在土壤类型空间分布的预测中,使用穗帽变换后3个指数(测试集2)的预测精度高于直接使用Landsat影像的6个波段(测试集1)。通过随机森林模型的使用,本文发现Landsat遥感影像数据中的近红外波段(NIR)和短波红外2波段(SWIR2)对于土壤类型识别的重要性高于其他的4个波段。穗帽变换后绿度指数(Greenness)的重要性高于其他2个指数。(3)地形属性的引入有益于黑土区土壤类型空间识别,本文利用最大似然法分类器结合5种地形属性,地表起伏度(RDLS)有助于提高黑土和黑钙土的识别精度,高程(ELE)有助于提升草甸土的识别精度,使用裸土时期超时相遥感数据结合地表起伏度(RDLS)进行土壤类型空间识别的精度高于引入其他地形属性,总体精度能够达到88.22%,Kappa系数为0.818。(4)具有差异的年际间土壤类型识别结果与土壤盐碱化之间具有较显著的相关性,耕地盐碱化面积与黑土和黑钙土面积的相关系数为-0.529*,非耕地盐碱化面积与草甸土面积的相关系数为0.568**。进一步说明造成本文中土壤类型面积变化的原因之一是土壤盐碱化。本研究结合遥感技术,完成了土壤类型空间识别,探讨了时相信息对于土壤类型空间识别的影响,提升了土壤类型识别的效率和精度,为土壤数据的更新提供技术支持,通过土壤类型数据揭示了土壤质量的年际间变化趋势,探索出土壤类型的识别结果与土地退化之间潜在的关系,丰富了土壤类型数据在土地管理中的应用,为土地利用规划和土地可持续利用等相关领域研究提供数据支持。