黄河三角洲地区土地资源丰富,开发前景广阔,但土壤盐渍化严重,影响着当地的农业生产,对生态环境的稳定性构成威胁。盐渍土地的改良利用对实现该区域农业和生态资源的可持续利用具有重要的意义,而改良盐渍土地的前提是掌握大面积的土地盐渍化程度。应用遥感技术,结合实测地物光谱和多源影像数据进行盐渍状况调查制图,为快速、准确、全面地监测盐渍化状况提供了可能。本论文采用遥感技术和BP神经网络技术,结合盐渍土和盐生植被的光谱特征,对盐渍土盐分的遥感反演和盐生植被的遥感识别进行了研究。首先,在实地分别选择不同盐生植被的地表,采集盐渍化土样,利用Q5掌上GPS测量仪和AvaField地物光谱仪获取对应采样点的位置和地物光谱数据,并采用土壤称重法测得土壤含盐量;然后,对盐渍土和盐生植被光谱分别进行了分析。针对盐渍土光谱数据,采用相关分析和多元线性回归分析方法,确立表征不同盐分盐渍土光谱数据与盐分关系的最佳波段组合,建立BP神经网络模型,并进行精度检验,证明BP网络模型在土壤盐分模拟和预测方面具有可行性;针对盐生植被光谱数据,本文采用主成分分析法(PCA)对高光谱数据提取变量并进行排序,有效区分了各种盐生植被,同时本文利用多光谱ALOS影像,采用灰度共生矩阵法提取纹理特征,用BP神经网络方法对纹理特征和光谱特征的合成影像进行分类识别,提高了分类精度。最后对图像进行成图编辑,得到了盐渍化区域盐生植被类型的分布图。试验证明,BP神经网络能较好地模拟土壤含盐量与光谱数据之间的关系,用于建立土壤盐分遥感反演模型是可行的。本文采用辅以纹理特征的神经网络分类法提高了盐生植被的分类精度,提取的盐渍化区域植被类型分布图能够为当地合理开发利用盐渍土资源提供科学依据。本文的研究有利于推动盐渍区域遥感研究的定量发展。