土壤盐渍化是一个全球范围内的生态环境问题,主要发生在干旱、半干旱地区,它会造成土壤板结和肥力下降,进而影响到农作物的产量。内蒙古河套灌区是我国重要的农业产区,同时也面临着十分严重的土壤盐渍化问题,严重阻碍了该地区农业生产的快速发展。无人机遥感技术可以快速获取大范围内的地物遥感信息,可以实时、动态地对土壤盐渍化的分布状况进行有效监测,最终做到有针对性地制定一定的土壤盐渍化防治方案以降低土壤盐渍化的危害,提高作物产量。本文以内蒙古河套灌区沙壕渠灌域内的4块盐渍化耕地作为试验区域,通过采集不同时间、不同地点的盐渍化土样,在实验室中经理化分析获取土壤含盐量。同时,利用无人机携带相机采集相应的遥感影像,深入探讨了地物光谱反射率、光谱指数以及冠层温度等信息与土壤含盐量的相关关系,最后采用支持向量机、反向传播神经网络和极限学习机等机器学习方法以及偏最小二乘回归分别构建不同的土壤盐分反演模型,并对各个模型的精度进行评定和分析,最终可以得到如下主要结论:(1)构建了基于光谱反射率的裸土期土壤含盐量反演模型。发现在6波段的光谱反射率中,蓝光波段(490nm)、绿光波段(550nm)、红光波段(680nm)和近红外波段(800nm)与土壤含盐量均表现出了较强的相关性,相关性最高的波段为红光波段。在模型反演中,发现基于ELM构建的盐分模型反演效果最好,SVM模型效果次之,BPNN模型反演效果相对较差。其中利用ELM构建的盐分含量估算模型在6月份预测效果最佳,其建模R~2和RMSE分别为0.695和0.182,验证R~2和RMSE分别为0.717和0.171。此外,研究还发现通过对遥感影像进行去膜处理,可以在一定的程度上提高光谱反射率与土壤含盐量的相关性以及模型的反演精度。(2)构建了基于光谱指数的裸土期土壤含盐量反演模型。共分析了13个光谱指数与土壤含盐量的相关性,其中S3、S4、S5、S6、SI1、SI2、SI3、BI这8个光谱指数与土壤含盐量呈显著相关,而S1、S2、SI-T、SR、NDSI这5个光谱指数与土壤含盐量的相关性则较低。研究还发现,通过去膜处理以及构建光谱指数来反演土壤含盐量,可以提高盐分模型的反演精度。基于3种不同的机器学习方法构建的盐分反演模型中,大部分模型的建模和验证R~2均在0.6以上,建模和验证RMSE均在0.2以下,表现出了良好的反演效果。进一步对比分析发现,ELM模型有着最高的反演精度,SVM次之,BPNN模型的反演效果则相对最差,这表明极限学习机模型为土壤含盐量反演的最佳模型。对于不同月份的数据建模效果对比分析发现,5月份数据构建的模型反演效果更好,而6月份数据的去膜处理效果则更为明显。(3)构建了基于优选光谱指数和冠层温度的葵花覆盖状态下的土壤含盐量反演模型,同时对模型进行了对比分析。研究发现,不同生育期不同深度的土壤含盐量与相应的葵花冠层温度的相关性有所差异,但均呈现为正相关关系。其中两个生育期葵花的土壤含盐量与其冠层温度的相关性均在0-20cm深度处最高,相关系数r分别为0.422和0.404。而在模型的反演效果上,现蕾期盐分模型的反演效果整体要优于开花期,0-20cm和20-40cm深度处的盐分模型反演效果整体要优于40-60cm深度处,基于盐分指数和光谱指数变量组结合冠层温度构建的盐分反演模型效果要优于基于植被指数组对应的盐分反演模型。此外,综合对比分析了4种建模方法所构建的盐分模型精度,发现基于机器学习方法构建的盐分反演模型效果要优于偏最小二乘回归模型,而在构建的3种机器学习模型中,ELM模型的效果最好,SVM模型次之,最差的是BPNN模型。