土壤盐渍化是全球共同面临的生态资源问题,严重影响了工农业生产。利用遥感手段大尺度动态监测土壤盐渍化是目前最常用的手段,如何提高和改善技术手段来提高盐渍化监测精度,一直是近年来的研究热点。遥感影像作为研究的基础数据,在影像获取或传输过程中,不可避免的受到来自大气、遥感平台、传感器等的影响,使遥感影像受到噪声的污染从而影响后续处理,针对噪声处理问题,常用的降噪手段是利用空间滤波去除影像中的噪声。空间滤波是在图像空间变量内使用空间二维卷积方法进行运算,以减缓或增强图像中某些特定的频率分量,从而达到边缘增强、噪声去除的作用。因此,针对由噪声引起的遥感影像质量下降,选择拉普拉斯滤波(Laplacian)、高通滤波(High Pass)、低通滤波(Low Pass)、高斯高通(Gaussian High Pass)、高斯低通滤波(Gaussian Low Pass)、中值滤波(Median)、方向滤波(Directional)等7种典型的滤波算子分别对遥感影像进行处理,并结合支持向量机(Support Vector Machine,SVM)的分类方法,分析滤波后影像亮度值的变化,与未经过滤波处理的影像对比分类后精度。结果表明:(1)相对于未经处理的遥感影像,经过滤波处理后的影像在土壤盐渍化信息提取中具有较高的分类精度;(2)在几种已选取的滤波算子中,Gaussian High Pass结合SVM的土壤盐分提取模型将分类精度和Kappa系数由86.7285%和82.21%分别提高到89.6950%和86.20%,其分类效果最佳。综上,借助滤波运算能够抑制噪声、提高影像质量,能够有效提高盐渍化监测能力,并掌握土壤盐渍化的空间分布特征及时空变化规律,对干旱区及半干旱区土壤盐渍化的防治和缓解、保护脆弱的生态环境都具有现实意义。