以新疆于田绿洲为研究区，利用四极化PALSAR-2数据进行多种目标极化分解处理，获取相应的极化特征参数。通过目视判读选取噪声较少的11种极化参数作为最佳特征信息对支持向量机分类法进行训练。多种极化分解方法与Wishart分类方法及支持向量机分类法相结合，提取研究区不同程度的盐渍化信息。经过目视判读和实地野外考察，结合Landsat-8陆地成像仪影像对分类结果进行定量分析和验证。由混淆矩阵的计算分析可知，相比Wishart分类方法，支持向量机分类法将分类精度从80.48%提高到88.00%，将Kappa系数从0.73提高到0.83。结果表明，单独的相干分解不能充分挖掘PALSAR-2数据包含的丰富信息，将目标极化分解参数用于特征信息分类处理，可以达到较好的分类效果；利用全极化PALSAR-2数据，结合目标极化分解方法和支持向量机分类法提取盐渍化信息有一定的优势。

土壤磷素为植物提供营养元素, 是评价土壤质量的重要参数之一。传统的土壤全磷含量的测定方法不能实现对荒漠土壤养分有效监测, 而运用遥感手段能够弥补传统手段的不足。有学者开展了通过近红外光谱来估算土壤全磷含量的研究, 但由于土壤磷素近红外吸收系数小、吸收峰不明显等原因, 使得土壤磷素估算的模型精度欠佳。为解决荒漠土壤全磷含量近红外光谱估算存在的不足, 提高荒漠土壤全磷含量估算的精度, 对准噶尔盆地东部荒漠土壤进行采样、化验分析和发射率光谱测量、处理, 分析土壤热红外发射率特征, 建立多种荒漠土壤全磷含量热红外发射率估算模型。结果表明: 在土壤全磷含量高于0.200 g·kg-1的条件下, 在8.00～13 μm波长范围内, 热红外发射率随全磷含量的增加而增加, 9.00～9.60 μm波段范围内土壤热红外发射率对全磷含量最敏感;多元逐步回归建立的估算模型的估算效果差, 不能用于荒漠土壤全磷含量热红外发射率的估算, 经过偏最小二乘回归建立的估算模型效果优于多元逐步回归建立的模型;偏最小二乘回归建立的连续去除一阶导数模型最优, 校正和验证的R2分别达到了0.97和0.82, 校正和验证的RMSE仅有0.010 6和0.015 7, RPD为2.62, 模型能够极好的对土壤全磷含量进行估算。该研究的成果为荒漠土壤全磷含量定量遥感估算提供有效支撑, 通过有效监测荒漠土壤全磷含量的时空动态变化, 为区域生态环境的修复提供依据。