土地盐碱化是土地荒漠化的主要类型之一，其发展速度惊人，导致区域资源、环境与生态问题日益严峻。为快速、实时监测盐碱化土地动态，本文以遥感技术为手段，基于支持向量机理论和图像分割方法提出了针对盐碱地监测的遥感信息自动化提取模型，很大程度上克服了传统遥感分类方法的不足，并以松嫩平原西南部土地盐碱化典型区之一的吉林省大安市为试验区进行测试，效果较好。研究结果实现了基于遥感影像的各类盐碱地的高精度自动化提取，深化了新技术在盐碱地定量化研究中的应用，有助于掌握盐渍土地区土壤盐渍化程度、类型和分布，为盐碱化土地的治理提供科学依据。主要研究内容与结论如下：　　 1.改进Jayadeva的模糊线性PSVM模型，提出基于“one-against-one”和“one-against-rest”多类分类策略的模糊非线性PSVM分类模型(FuzzyNonlinear Multicategory Proximal Support Vector Machine，FNMPSVM)，并对两种多类分类策略进行比较。结果显示，无论分类精度还是分类速度，基于“one-against-one”分类策略的FNMPSVM算法的分类性能更优。针对盐碱地信息提取，研究FNMPSVM模型的若干问题，包括模糊成员函数的构造、采样数量和采样方法、核函数及模型关键参数选取、特征提取和特征选择等，给出了具体解决方案。　　 2.采用基于误差矩阵的精度评估方法评价研究区盐碱地信息提取结果。通过改变训练样本数量和特征维数比较FNMPSVM的分类精度，结果表明：随着特征维数的增加，FNMPSVM分类器总体分类精度明显提高，各类盐碱地的用户精度和制图精度出现小幅度的无规律变化，但总体上看，仍呈增长趋势；训练样本数量对FNMPSVM分类器的总体分类精度影响较小，随着样本数量的增加，轻度盐碱地和重度盐碱地的制图精度和用户精度变化相对较小，从总体上看，略微有所增加，而中度盐碱地变化幅度较大，且不规则。　　 从分类精度、分类速度、稳定性三方面与MLC、BPN及PSVM分类器进行分类性能的比较。结果显示，就总体分类精度而言，PSVM和FNMPSVM分类器的差别不大，但大大高于BPN和MLC分类器。就分类速度而言，PSVM和FNMPSVM分类器远远低于MLC和BPN分类器，FNMPSVM分类器的分类速度高于PSVM分类器两倍以上。就稳定性而言，FNMPSVM分类器最好，BPN分类器的稳定性最差。　　 3.提出了多结构元素数学形态学滤波降噪方法，以原始遥感影像K-L变换后的第一主分量为数据源，与其它降噪方法(均值滤波、自适应滤波、db小波等)进行比较，结果显示该方法优于其它降噪算法，降噪后的图像噪声(小地类斑块)基本消失，层次更清晰，边界更明显，为下一步的边缘检测做好了准备。采用Canny算子与其它边缘检测算子(Sobel、Roberts、Prewitt等)对降噪后的图像进行边缘检测，结果显示，Canny算子边缘检测效果更好。因此采用Canny算子检测降噪后的图像，通过反复试验优化关键参数(梯度图像的最大阈值、最小阈值和Gaussian过滤器的标准差)，取得了理想的检测效果，边缘清晰、连续，地物轮廓特征明显，为区域生长奠定了基础。　　 4.基于多光谱遥感影像提取的多个特征，针对多目标(轻、中、重度盐碱地)图像分割，提出遍历图像获取种子点、光谱角生长准则分割各类盐碱地的区域生长方法，关键在于光谱角阈值参数的设置，通过基于正确概率估计的多层最优参数搜索方法获取光谱角阈值。将边缘检测和区域生长相结合的图像分割方法用于分割研究区各类盐碱地典型区域，结果显示各类盐碱地分割质量较高，可视化效果较好，但运算量大，运行速度较慢，不适宜大区域的盐碱地信息提取。　　 5.遥感影像分类结果存在不确定性，主要表现在遥感数据质量的不确定性、分类算法的不确定性、分类评价方法的不确定性及分类后处理的不确定性。遥感数据质量的不确定性主要包括传感器引起数据质量的不确定性、遥感数据处理引起数据质量的不确定性以及一些其它因素引起数据质量的不确定性。就分类算法而言，FNMPSVM分类器的不确定性主要表现在模糊成员函数的不确定性、样本采集的不确定性、特征提取和特征选择的不确定性、参数选取的不确定性，边缘检测和区域生长盐碱地图像分割方法的不确定性包括滤波降噪的不确定性、样本选取引起的不确定性、关键参数选取的不确定性。分类评价方法的不确定性主要体现在误差矩阵精度评价方法存在的不确定性、不同分类器分类比较结果的不确定性、图像分割质量评价方法的不确定性。分类后处理的不确定性主要表现在聚类统计和去除分析关键参数设置引起的不确定性。