土壤盐渍化是一种严重的土地退化现象,极大地影响了区域经济和农业发展。吉林省西部属松嫩平原的一部分,土壤盐渍化问题突出。一方面人类活动和气候变化加剧了土壤盐渍化,另一方面,改良措施的介入有效缓解了盐渍化程度。对盐渍土进行时序变化监测不仅可以分析盐渍化的影响因素,更为土地合理利用提供了数据支持,具有重要的现实意义。遥感因具有高时效性和强大的数据综合性,可获取时间序列数据对盐渍土进行时空变化监测,目前已成为实施大尺度土壤盐渍化监测的最有效技术。本研究在国家自然科学基金“不同表面状态盐渍土水盐特性的近地表多源遥感在线探测方法研究(No.41671350)”的支持下开展研究工作,基于机器学习算法建立了吉林省西部地区盐渍土电导率(Electrical conductivity,EC)反演模型,借助Google Earth Engine(GEE)平台获取了1989～2019年吉林省西部的Landsat影像,根据反演模型得到了盐渍土的EC结果,最后对近三十年吉林省西部土壤盐渍化进行时序变化分析。论文的主要内容及结论如下:(1)于2019年6月进行了野外实验,对采样土壤实测EC进行Box-Cox变换满足正态分布后,根据EC与Sentinel-2 MSI各波段光谱反射率的相关性构建了最优光谱参数,随后分别采用线性回归模型、支持向量机(Support Vector Machine,SVM)、回归树(Regression Trees,RT)、高斯过程回归(Gaussian Process Regression,GPR)、集成树(Ensemble tree,ET)建立EC反演模型。模型对验证集的测试结果表明:GPR模型表现最优(R~2=0.66,RMSE=0.48 m S/cm,MAE=0.52 m S/cm),与传统线性回归模型相比R~2提高了29.04%。(2)对Landsat与Sentianl-2影像反射率匹配后,基于GEE平台获取1989～2019年共六期Landsat TM/OLI时序数据,根据GPR模型反演得到吉林省西部盐渍土近三十年的EC结果。随后对反演得到的EC依据Kissell and Sonon(2008)的分类标准进行盐渍化程度分级,并通过面积统计、动态度以及转移矩阵等方法进行土壤盐渍化程度的时空动态分析。结果表明:近三十年来吉林省西部盐渍土面积在空间维度上总体呈现先增后减的趋势,盐渍土集中分布在大安市和通榆县,土壤盐渍化由东到西逐渐加重;在时间维度上,2001～2007年间盐渍土面积增长较快,总面积增加2181.24 km~2,年平均增长率为3.3%;2013～2019年显著减少,总面积减少3219.96 km~2,年均减少率为7.4%。与土地利用数据叠加结果表明,1989～2019年间盐渍土主要转换为农业用地和草地。(3)对洮北区、大安市、乾安县、前郭县、通榆县、长岭县和扶余市共七个县(市)在1996～2016年间的蒸发和降水气象数据与盐渍土时序变化进行了相关分析。结果表明:吉林省西部地区多年的累计蒸发量远超于累计降水量,且各县市的累计蒸发与累计降水的差值与盐渍土的面积变化密切相关,尤其体现在土壤盐渍化较为严重的大安市、乾安县以及通榆县。