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。

以艾比湖流域为研究区域，典型盐渍土为研究对象，引入分数阶微分，以0.2 为微分阶数间隔，将0~2 细分为11 阶微分，对原始光谱反射率及其常用的均方根、倒数等数学变换进行微分计算，结合实验室实测的土壤含盐量，从相关系数、标准差及信息熵三个角度探讨分数阶微分算法对土壤高光谱数据的影响。结果表明：随着微分阶数的增加，相关系数通过0.01显著性检验的波段数量总体上呈逐渐减少的趋势，且1 lg R 提升相关性的效果优于其他三种数学变换；高光谱数据总体分布变得相对集中，样本差异性逐渐降低；信息熵逐渐减小，信息无序度变小，有效信息量增加。分数阶微分能够细化相关系数、标准差及信息熵的变化趋势，丰富高光谱数据的预处理方法，可从光谱维的角度深层挖掘光谱信息，为深度利用高光谱数据提供崭新的视角，同时也可为特征波段选择、地表参数反演等高光谱数据的应用提供参考依据。

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。

通过典型研究区不同盐渍化土壤光谱反射率数据的变换和分析, 选择与土壤含盐量响应敏感波段, 建立实测高光谱土壤含盐量反演模型, 以校正HSI影像建立的土壤含盐量反演模型。 结果表明: 实测高光谱土壤含盐量反演模型与HSI影像土壤含盐量反演模型均有较好的精度, 模型判定系数(R2)均高于0.57, 且模型稳定性较好。 校正后的HSI影像土壤含盐量反演模型, 模型判定系数有了较大提高, R2从0.571提升至0.681, 且通过了0.01的显著性水平, 均方根误差(RMSE)值为0.277。 模型能够较好地提高区域尺度条件下土壤盐渍化监测精度, 运用此方法开展盐渍化土壤定量遥感监测是可行的。

利用傅里叶变换红外光谱仪对绿洲盐渍化土壤进行野外测量, 采用光谱平滑迭代法对温度和发射率进行分离, 得到了盐渍化土壤的热红外发射率数据。 通过对盐渍化土壤发射率光谱的特征分析, 得出8～13 μm土壤发射率随盐分含量的增加而减小, 发射率光谱对盐分因子的响应在8～9.5 μm较敏感。 分析了原始发射率光谱、 一阶导数、 二阶导数和标准化比值与含盐量之间的相关性, 表明土壤发射率与含盐量呈负相关关系, 发射率一阶导数与含盐量的相关性最高, 相关系数最大为0.724 2, 对应波段为8.370 745～8.390 880 μm。 建立了土壤发射率一阶导数与盐分含量的二次函数回归模型, 模型拟合的决定系数为0.741 4, 验证结果的均方根误差为0.235 5, 说明利用热红外发射率光谱反演土壤盐分含量的方法可行。

地物光谱特性是遥感应用的基础。本文以渭干河－库车河三角洲绿洲为研究区，首先选取裸土、植被两类地物作为研究对象，通过 TM传感器的光谱响应函数，实现了将野外实测端元光谱拟合为多光谱离散光谱。其次在对 TM图像的光谱波段进行细分的基础上，利用光谱知识库的数据支持来模拟获取具有更高光谱分辨率的细分光谱光学遥感图像，深入开展两种尺度相互转换的研究。结果表明：一、拟和的多光谱与 TM像元光谱具有很好的相关性，在此基础上，采用线性算法建立端元光谱与遥感图像像元光谱的转换模型，实现了从实测端元光谱尺度向遥感多光谱像元尺度的定量光谱转换，为遥感定量分析奠定了一定基础。二、细分光谱模拟图像的方法能够较为可靠的模拟出真实高光谱分辨率图像的信息，模拟方法可信，达到了推广和验证的效果。

地物波谱特性是遥感定量分析的基础, 也是遥感基础研究的重要内容。 干旱区绿洲典型地物光谱数据库对于遥感技术在土壤盐渍化方面的应用研究具有重要的意义。 该文以渭干河-库车河三角洲绿洲为例, 将.NET和SuperMap平台相结合, 用SQL Server数据库存储数据, 采用B/S模式, 使用C#语言设计并开发了地物光谱信息系统, 并针对干旱区绿洲的特点建立了典型地物光谱数据库。 该系统实现了对研究区典型地物光谱信息及其相关属性数据的分类存储和管理； 地图与属性数据的可视化双向查询； 地物光谱响应曲线的绘制； 导数光谱数据处理及曲线绘制, 初步具备了简单的光谱数据挖掘和分析能力, 为该地区后续土壤盐渍化研究提供了一个高效、 可靠、 便捷的数据管理和应用平台。 该系统容易维护, 便于二次开发, 实际运行状况良好。

针对遥感应用越来越依赖于地物光谱特征的特点，为了更深入地研究干旱区地物光谱反射特征，选择新疆塔里木盆地北缘渭干河–库车河三角洲绿洲为研究区.首先，采用美国ASD Fieldspec HH地物光谱仪测得该绿洲几种典型地物(盐碱地、细沙地、棉花地等、柽柳、骆驼刺、芦苇、盐穗木等以及水体)的光谱数据，分析其光谱特征.其次，采用移动平均法进行了噪声去除，分析实测光谱数据噪声特征，部分消除了高频成分，使光谱曲线较为光滑.同时利用导数光谱技术消除了背景噪声、分辨重叠光谱；利用连续统去除法去掉不感兴趣的吸收谱的影响，使之有效突出光谱曲线的吸收和反射特征.最后，利用ENVI软件建立了渭干河-库车河三角洲绿洲主要地物以及对这些地物进行包络线消除的小型光谱库，从而达到该库服务于渭-库绿洲的地物调查、植被调查、植被分类和环境监测等遥感应用的目的.