土壤盐渍化加剧对实现土地资源可持续利用造成严重阻碍。针对不同地理位置和不同气候区域,借助多种二维特征空间模型定量评估典型盐渍化地区土壤盐度状况,并以此选择出最优反演模型,对精准监测区域内土壤盐分含量具有重大意义。同时最优监测模型是否具有适用性也并未在盐渍化较为严重的中国干旱区和滨海地区进行系统性对比分析。鉴于此,针对中国典型盐渍化内陆干旱地区焉耆盆地（干旱区）和滨海地区黄河三角洲（湿润区）产生的土壤盐渍化问题,本研究基于两地区野外实测采样数据和同期Landsat 8 OLI影像数据,选取地表反照率（Surface albedo,Albedo）、盐分指数（Salinity Index,SI）、土壤调整植被指数（Modified Soil-adjusted Vegetation Index,MSAVI）以及归一化植被指数（Normalized Difference Vegetation Index,NDVI）作为盐渍化过程的生物物理参数,依据参数之间相关性构建Albedo-MSAVI、SI-Albedo、SI-NDVI三种特征空间盐分估测模型,优选出最佳模型用于反演。进一步得到干旱地区焉耆盆地2020年土壤盐渍化等级分布图以及滨海地区黄河三角洲垦利县2019年土壤盐渍化等级分布图,分析盐渍化分布特征和驱动因素,为后期改良和管理提供建设性意见。同时,综合对比两地区最优模型,实现对中国不同气候区（干旱区与湿润区）典型盐渍化区域的最优反演模型适用性研究。研究结果表明:（1）本研究利用能够更好反映土壤盐渍化信息的特征参量构建特征空间,可有效区分研究区内不同程度的盐渍化土地,提高盐渍化信息监测的准确性。通过对比Albedo-MSAVI、SI-Albedo、SI-NDVI三种特征空间发现,SI-Albedo特征空间在干旱地区焉耆盆地和滨海地区黄河三角洲的盐渍化监测方面均表现最优,反演精度分别为93.3%、87.2%。表明两地区反演盐渍化敏感指数相同,由SI和Albedo构建的特征空间模型能较好反映研究区土壤盐分土地退化特征,具备估算土壤盐分潜力,可作为具有普适性的中国滨海地区和干旱地区盐渍化监测模型,同时表明特征空间模型方法对于反演不同典型盐渍化区域（滨海地区与干旱地区）土壤盐分具有一定的优势。（2）利用反演精度最高的SI-Albedo特征空间模型反演两区域土壤盐分含量分布格局,分别获得2020年干旱地区焉耆盆地以及2019年滨海地区黄河三角洲垦利县土壤盐渍化等级分布图。反演结果表面焉耆盆地约有90%的土地面积发生盐渍化现象,土壤盐渍化空间分布特征为由西至东,由北至南土壤含水量逐渐降低,土壤含盐量逐渐增大。垦利县盐渍化程度同样较重,约有70%土地面积发生盐渍化现象,土壤盐渍化分布呈“高-低-高”分布特征,从高到低依次为东部沿海地区、内陆边缘地区、中部地区。（3）针对干旱地区焉耆盆地与滨海地区垦利县不同成因的土壤盐渍化问题,考虑气候类型、人类活动、地形地貌以及土地利用类型等方面的影响,选取7种驱动因子（人类活动强度、土地利用、高程、地下水埋深、矿化度、年平均降水、坡度）分析盐渍化的成因。同时针对两地区不同程度的土壤盐渍化问题,从防止土壤二次盐渍化、改良盐渍化、盐渍化去除或转化三个层面提出相应的治理措施,结合水利改良措施、农业改良措施、生物改良措施及化学改良措施,提出不同程度盐分区域的相应可持续发展对策,为后期中国干旱地区与滨海地区的土壤盐渍化治理提供有益借鉴和参考。