盐渍化会导致粮食减产、土壤退化、生态脆弱,大大制约了该地区的土地的可持续利用及农业发展。高光谱遥感技术可以有效反映地物信息。因此可以利用高光谱遥感监测土壤水盐信息,为盐渍化土壤管理提供依据。将解放闸灌域作为研究区。在研究区内,采集盐渍化差异的土样,并得到土样的含水率（SMC）、含盐量（SSC）及主要盐基离子含量(Na+、Mg2+、K+、Ca2+、HCO3-、CO32-、Cl-、SO42-)等数据。结合野外及实验室内实测土壤高光谱数据（地面高光谱数据）和高分五号卫星高光谱数据,对这些数据进行分数阶微分处理并提取光谱参数（波段反射率和光谱指数）,再利用不同的变量筛选方法和极限学习机模型,构建土壤含水率、土壤含盐量盐以及主要可溶性盐离子含量的诊断模型,并对其进行评价。本文主要结论如下:（1）构建了基于分数阶微分光谱的盐渍化土壤含水率诊断模型。对于原位土壤含水率,分数阶微分光谱（例如0.5阶和0.75阶）比整数阶导数（例如1阶和2阶）及原始光谱具有更好的估计性能。基于0.75阶微分光谱和随机蛙跳算法的极限学习机模型提供了一个最优模型预测,研究证实了原位光谱在盐渍化土壤含水率估计中的潜力。进一步证实了随机蛙跳算法在土壤光谱分析中的良好适用性,且变量选择算法（VIP、CARS和RFA）能够选择有效的光谱变量,简化模型,提高预测精度。（2）构建了基于分数阶微分光谱指数的土壤盐分信息诊断模型。分数阶微分能有效地改善光谱与土壤盐分信息之间的相关性,但是不同盐分信息的最优分数阶微分光谱却有所不同。SSC,K+,Na+和SO42-的最佳FOD阶数均为0.90,而Ca2+,Mg2+,CO32-,HCO3-,Cl-分别为1.65、0.85、1.90、0.80、1.55。此外,不同盐分信息的最佳指数有所不同。除SO42-、HCO3-的最佳三维指数分别为TBI2、TBI5,其余的离子包括总盐在内的最佳三维指数均为TBI4,且Mg2+的效果最佳,决定系数R~2可高达0.92;不同选择算法对模型性能的提升效果不同,IRIV所选变量子集的组合效应大于BOSS和MCUVE。最佳盐分信息预测模型分别是IRIV-ELM(SSC、Na+、Mg2+、CO32-、SO42-),Raw-ELM(Ca2+),BOSS-ELM（Cl-）,这些模型能都实现定量预测,RP~2均在0.63以上,RPD均在1.60以上,RPIQ均在1.19以上。其中Mg2+的效果最佳,RP~2达0.93,RPD可高达3.81,RPIQ高达3.71。因此,该模型的建立对于大范围监测土壤盐分信息(SSC,K+,Ca2+,Na+,Mg2+,Cl-,HCO3-,CO3~2-及SO42-)非常有用。。（3）构建了基于分数阶微分光谱指数的高分五号卫星遥感诊断土壤水盐信息模型。分数阶微分（FOD）分段处理卫星光谱曲线是有效的,可以提高光谱的光谱分辨率,增加光谱细节。0.75阶FOD可以有效提升指数与土壤含水率及含盐量间的相关系数,但不同指数效果不同,其中乘积指数（PI）对SMC与SSC均具有较好的效果,其|r|分别达到0.85、0.70。基于0.75阶FOD光谱的土壤水分和盐分模型都达到不错的预测效果,Rp~2分别达0.83、0.74,RPD分别为2.24、1.76,RPIQ分别为1.95、2.06。GF-5高光谱数据一定程度解决了多光谱卫星光谱分辨率低的问题。具有高光谱分辨率特征的数据,为建立有效土壤水分与盐分模型提供了保证。利用所建模型绘制区域内的水盐分布图,为科学灌溉及土壤生态修复提供依据。（4）构建了基于哨兵二号与高分五号卫星遥感数据融合的土壤含盐量诊断模型。利用GSA、Hy Sure及CNMF等三种融合算法得到的融合图像光谱失真较小。基于GSA融合算法的融合图像具有最佳的光谱保真性以及空间保真性。将GSA融合图像与0.75阶分数阶微分算法相结合可以得到具有较高精度的预测模型,其RPIQ可达2.54。基于GSA融合图像所制的土壤含盐量分布图,其分布更加精细。因此,融合图像数据一定程度解决了高光谱卫星空间分辨率低的问题。所得光谱及空间分辨率均较高的数据为建立有效土壤盐分模型提供了保证。利用所建模型绘制区域内的土壤含盐量分布图,为土壤盐渍化治理以及土壤生态修复提供依据。