土壤盐渍化已成为黄河三角洲地区最严重的土壤问题之一,制约了区域经济健康发展,利用遥感手段开展盐渍土监测必要而迫切。在土壤盐渍化动态监测中,单一传感器数据很难满足长时间序列的需求,而多源传感器提供的时间序列数据之间存在波段宽度不一致甚至波段缺失、数据连续性差等问题。本文以研究区2000-2016年间4景Landsat-5 TM、EO-1ALI、Landsat-8 OLI时间序列影像及Hyperion高光谱数据为基础,选用最新的OLI传感器为目标数据,采用光谱转换的方法,模拟出OLI长时间序列影像数据;在此基础上以OLI数据为基准,分别基于多元线性回归、偏最小二乘回归和BP神经网络建模方法,进行土壤盐分定量反演建模研究;并通过动态度、转移矩阵、叠置分析等方法进行不同类型盐渍土时空动态分析研究。本文主要研究内容及结论如下:(1)利用Hyperion高光谱数据通过光谱重采样的方法模拟TM、ALI、OLI传感器类型数据,选用最新的OLI传感器为目标数据,以数值回归方法建立了 TM、ALI与OLI传感器对应波段间的光谱转换关系,从而将TM、ALI影像转换为模拟的OLI时序影像,最终间接获得了 OLI的长时间序列影像数据。研究结果表明,对两种传感器波长响应设置相同的波段而言,经过光谱转换的TM、ALI波段与对应OLI波段之间的相关性提高不显著;特别地,对OLI新增波段而言,相对于光谱转换前的TM、ALI波段,经过光谱转换的TM、ALI波段与对应OLI波段之间的相关性得到了显著提高。该光谱转换方法能够充分且有效地利用存档多源遥感数据构建光谱一致性较高的时间序列影像,为盐渍土动态监测提供数据保障。(2)采用偏最小二乘回归(PLSR)、多元线性回归(MLR)与BP神经网络(BPNN)模型分别建立土壤光谱与盐分参量间(电导率EC、全盐量S)预测模型。建模结果表明,以EC或S为因变量时,基于PLSR模型的预测精度高于MLR模型;基于PLSR和MLR的预测模型中,以EC为因变量的模型预测精度高于以S为因变量的模型。非线性预测的BP神经网络模型建模精度优越,但易出现模型检验决定系数远低于建模决定系数的过度拟合情况。所有模型中,最稳定、精度最高的土壤盐分预测模型为基于偏最小二乘回归且以EC为因变量的PLSR-EC模型,建模决定系数Rc2=0.716,检验决定系数 Rv2=0.700,相对误差 K=33.56%。(3)将PLSR-EC盐分预测模型应用至OLI时间序列影像上,反演得到2000年,2008年,2012年与2016年时间序列影像的土壤盐分制图结果。采集野外土壤样本盐分实测值检验制图精度,用2012年野外土壤实测电导率值检验2012年影像反演电导率值,制图精度R2=0.690;用2016年电导率实测值检验,制图精度R2=0.795;且4景反演结果中盐分异常值均低于10%,表明反演结果基本可靠;高盐分土壤可能存在预测值偏低的情况。(4)根据反演得到的4景研究区土壤盐分空间分布图,通过面积统计、动态度、转移矩阵、叠置分析等方法进行不同类型盐渍土时空动态分析研究。由年份间土地利用转移矩阵统计可以得出,研究区内盐土、盐化土和轻度盐渍土结构稳定性较差,易与其他土壤类型相互转化。土地利用动态度分析表明轻度、中度盐渍土增长速度最快,有扩张趋势,2012年-2016年高盐分土壤有盐渍化减轻趋势。GIS叠置分析可以看出,非土壤向盐渍土的转化区域主要包括典型研究区东北部孤岛镇和仙河镇南部,以轻、中度盐渍土为演化方向;以及典型研究区南部的永安镇东部,以中度、重度盐渍土为演化方向。非盐渍土向盐渍土的转化较分散,突出区域为典型研究区中、南部,以重度盐渍土为主要演化方向。