面临盐渍土对土地持续耕作和粮食生产安全构成严重的威胁,进行快速反演土壤盐渍化显得尤为重要,及时监测防治土壤盐渍化已经成为新疆农业可持续发展的核心所在和关键问题。国内外对土壤盐分的反演虽已做了大量的研究,但是到目前为止仍未发现比较全面的方法来反演土壤中的盐分。为此,本文试利用Landsat8 OLI遥感影像为数据源,在野外采样测定的72个样点土壤含盐量数据基础之上,定量反演新疆石河子农垦区土壤含盐量,系统探究在膜下滴灌棉田研究区内,以Landsat8 OLI遥感影像为数据源的土壤盐分含量反演的方法技术。研究内容包括:　　1.土壤含盐量反演方法选择:研究棉田实测盐渍土光谱反射率与土壤盐分的相关系数,分析各波段的光谱反射率与土壤盐分含量之间的诊断指数和相关系数,发现Landsat8 OLI遥感影像中的Band4、Band5和Band6的土壤反射率较适宜反演土壤盐分含量;而利用遥感影像反演土壤盐分容易受土壤湿度、土壤亮度和土壤辐射水平等因素的影响,本文通过对遥感影像进行缨帽变换、混合像元分解和LBV变换等数学方法,挑选出表征土壤盐分含量相关系数较高的特征遥感指数,包括土壤亮度指数(Soil brightness index, SBI)、土壤湿度指数(Soil moisture index, SMI)、土壤盐盖度指数(Salt soil cover index, SSCI)和土壤辐射水平指数(Soil radiation level index, GRLI)等指数。对所确定的敏感波段和特征遥感指数,采用多元线性模型方法分别与土壤盐分含量建立函数关系,对比模拟结果发现利用特征遥感指数反演土壤含盐量的精度要高于运用敏感波段反演土壤含盐量的精度。因此,本文选择特征遥感指数(SBI、SMI、SSCI和 GRLI)作为反演膜下滴灌棉田土壤盐分的主要方法。　　2.基于特征遥感指数BP神经网络土壤盐分反演:特征遥感指数与土壤盐分含量之间的关系复杂多变,一般的统计模型反演的效果不是很理想。BP神经网络具有超强的线性和非线性拟合能力,对解决特征遥感指数与土壤盐分之间复杂的关系有很大的帮助。以土壤亮度、土壤湿度、土壤盐盖度和土壤辐射水平等特征遥感指数为输入变量,以棉田土壤含盐量为输出变量,建立BP神经网络反演模型,通过精度验证后,发现预测值与真实值间的相关系数为0.917,从图中看出大多数验证样本的预测的土壤盐分含量与真实测得的土壤盐分含量十分接近,反演的预测值相对于实测值大多数样点偏小。反演模型精度验证指标REE和RMSM分别为3.07和0.34,模型精度为66％。利用训练好的神经元反演整个膜下滴管棉田区的土壤盐分含量。　　3.按照土壤盐渍化程度划分等级标准对反演棉田内土壤盐分程度划分等级,对研究区土壤盐分含量空间格局进行分析得到,在整个棉田覆盖面积中,非盐渍化棉田面积占14.02%,轻度盐渍化棉田面积占21.38%,中度盐渍化棉田面积占21.27%,重度盐渍化棉田面积占29.99%,盐土在棉田面积中占13.3%,仅有35.4%的棉田适合耕作农产品,其他64.6%的棉田耕地需要继续进行改良。其中沙湾县棉田的盐渍化影响最大,程度远高于玛纳斯县和石河子市,盐渍化等级高的地区分布在沙湾县,多分布在河流冲积平原和地势低洼地段,水库周边地区。　　本文的新颖之处是:在对比前人常用的遥感反演土壤盐分的方法,提出以表征土壤盐分的特征遥感指数作为输入自变量,借助BP神经网络平台,构建土壤盐分遥感反演模型,以此来提高土壤盐分遥感反演的精度。