土地荒漠化是当今世界所面临的严峻生态环境问题之一,它不仅威胁整个人类的生存环境,影响社会稳定,同时也是制约全球经济健康高速发展的重要因素。因此及时、准确地掌握土地荒漠化的现状与发展趋势,对全球环境变化研究及荒漠化防治工作有重要意义。中国是世界上受荒漠化影响比较严重的国家之一,而新疆维吾尔自治区是中国土地荒漠化情况较为严重的地区之一。本研究采用Landsat系列TM、ETM+和OLI遥感影像数据,以新疆维吾尔自治区典型干旱区绿洲渭-库绿洲为研究区,对2002年-2016年期间该地区的土地荒漠化情况进行监测与动态分析。本文主要内容与结论如下:(1)结合野外调查与采样,并充分考虑遥感影像数据的光谱特征、空间特征和其他辅助信息,本研究提出了适宜研究区范围的地物分类体系及土地荒漠化分类标准。一级地类分为非荒漠化和荒漠化两大类;二级地类将非荒漠化地类细分为植被、水域和城镇,荒漠化地类分为沙化土地和盐化土地;三级地类则将沙化土地和盐化土地分别划分为四种不同的程度等级。(2)采用分层决策树分类和随机森林分类的方法,通过原始波段、主成分变换、最小噪声分离变换、植被/水体/土壤等相关指数、波段运算、地类空间位置关系等方法提取各地类的特征参数,并结合混合像元分解得到的端元丰度值,选择其中具较强可分性的指标作为分类结点判别函数,分别构建基于知识的分层决策树及随机森林,进行植被、水域、城镇、沙化土地和盐化土地的分类信息提取。五景影像的分层决策树分类平均精度为93.42%,随机森林分类评价精度为92.31%,因此本研究中分层决策树分类的效果略优于随机森林分类效果。(3)提取不同等级的沙化、盐化信息,完善影像分类并制图。其中盐化信息提取采用偏最小二乘回归算法建立基于实验室光谱的土壤盐分预测模型及协同图像光谱指数改进的土壤盐分预测模型,分别选取影像原始波段中的蓝光(B)、绿光(G)、红光(R)、近红外(NIR)、短波红外1(SWIR1)、短波红外2(SWIR2)波段以及原始波段协同归一化植被指数(NDVI)作为自变量,电导率EC为因变量。结果表明协同图像光谱指数改进的土壤盐分预测模型整体精度优于基于实验室光谱的土壤盐分预测模型,建模精度平均提高31.43%,检验精度平均提高24.18%。(4)根据研究区土地荒漠化分类结果,通过空间统计分析、叠置分析、转移矩阵计算以及景观格局指数计算,分析渭-库绿洲地区土地荒漠化动态变化情况。结果表明:(1)研究区内荒漠化地类在2002年-2016年期间占研究区面积比重约为60%-70%,各研究时段不同地物类型之间的转换十分频繁,尤以植被、荒漠化地类间的相互转化最为突出;(2)2002年-2016年研究区西部绿洲与荒漠化土地交错地区土地荒漠化情况有所好转,荒漠化地类逐渐向非荒漠化地类转变,而研究区东南部区域呈非荒漠化地类向荒漠化地类转变趋势,荒漠化情况更加严峻;(3)荒漠化地类的破碎程度较大且斑块分布不规则,植被、沙化土地和盐化土地的景观形状复杂程度较高,研究区内各种地物类型整体较破碎,团聚程度适中,景观异质性、复杂性程度较高,没有明显的优势地类且各地类景观斑块分布较均匀。