长期以来,因我国人口众多,人均资源占有量少,致使自然资源利用不合理,尤其对土地资源的不合理利用,使区域生态环境遭受严重破坏,土壤退化问题突出。统计数据显示,我国土壤退化的总面积占国土总面积的40%以上,土壤退化破坏自然景观及人类的生存环境,诱发区域乃至全球的土被破坏、水系萎缩、森林衰亡和气候变化。位于渤海西南岸的黄河三角洲是我国重要的后备土地资源区,受河流、陆地、海洋等多种动力系统的作用,生态环境脆弱,土壤盐碱退化严重,制约着黄河三角洲经济的可持续发展。及时掌握土壤退化的范围、分布、退化程度等信息,是防治土壤退化的必要前提。本文以垦利县为研究区,通过野外调查、采集土壤样品、室内化验分析等获得土壤属性数据,选取土壤养分、盐分、pH、质地等土壤退化的关键指标,构建土壤退化指数(SDI)。用ASD FieldSpec4采集野外原状土光谱、室外风干土光谱,分析多因素作用下的土壤退化响应,探索野外光谱去除土壤水分影响的方法,并基于去除水分影响的野外光谱建立SDI的高光谱估测模型。在此基础上,通过高光谱窄波段内取平均,拟合Landsat8-OLI影像波段,建立适用于遥感影像的SDI估测模型,基于野外调查同期的卫星影像,进行土壤退化反演。最后利用实测数据的空间插值进行了2007、2015年垦利县土壤退化的动态分析。研究得出以下结论:(1)研究区土壤样品的SDI值在0.237~0.659之间。根据SDI值的聚类分析,将土壤退化等级分为3类:轻度退化(SDI<0.40)、中度退化(0.40<SDI<0.54)、重度退化(0.54<SDI)。轻度退化、中度退化、重度退化的样品分别占样品总数的39%、50%、11%。通过不同退化等级土壤的植被类型分析,退化程度由高到低的植被覆盖类型分别为:碱蓬、芦苇、茅草、水稻及棉花、小麦。(2)野外光谱受土壤水分的影响很大,难以提取土壤退化的光谱信息。对风干土光谱进行光谱特征分析,发现在370~450、500~650nm等可见光区域及光谱反射率值较大的近红外波段对土壤退化均有较好的响应;退化越严重的土壤,其光谱的退化信息突出程度越显著;当波长大于1975nm时,SDI值与土壤反射率间存在较为稳定的线性关系。光谱直接变换法能够有效去除土壤水分对野外光谱的影响,去除水分影响后,野外光谱对土壤退化的响应与风干土的一致。对土壤光谱反射率影响较大的评价指标是土壤有机质和含盐量,评价指标对SDI值的贡献越大,对土壤光谱反射率的贡献也越大,因此退化越严重的土壤,其总体的光谱反射率越大。(3)基于去除水分影响的野外光谱及其一阶导数进行相关性分析、多元逐步线性回归分析,筛选出了47个土壤退化的敏感波段,并构建了5种形式的光谱参量,基于光谱参量(RA+RB)/(RA-RB)构建的模型Y=-0.065-0.038X2300,2147+0.033X2340,2120+3.54*10-6X2300,2242-3.72*10-5X1975,1488+0.004X900,760+1.9*10-5X2431,1442+1.91*10-5X2211,1434(R2=0.824),是本研究的最佳SDI高光谱估测模型。通过高光谱数据与遥感影像波段的拟合,以光谱参量RA+RB建立了土壤退化的遥感反演模型,为Y=0.235+3.755XGreen,Red+3.808XCoastal,NIR+0.585XNIR,SWIR2(R2=0.738)。(4)2015年垦利县土壤退化的遥感反演显示:轻度退化、中度退化、重度退化的土地面积约占研究区面积的10.16%、48.28%、41.56%;各等级的空间分布特征与实测样点插值图一致,表现为西南内陆地区土壤退化程度较轻,东北沿海地区土壤退化程度较重。遥感反演的点位SDI值与实际SDI值的拟合R2为0.725,样点的遥感反演精度为89.83%,误差混淆矩阵的卡帕系数为0.823,说明遥感反演的结果与实际情况的符合度高。(5)2007、2015年的土壤退化动态分析结果表明:与2007年相比,2015年轻度退化的土壤面积减少4.44%,中、重度退化的土壤面积分别增加0.80%、3.64%;垦利县东北、西南局部区域内的土壤退化程度有所减轻,中部地区的土壤退化程度有所加重;2015年的点位SDI平均值、研究区SDI平均值分别为0.429、0.452,略高于2007年的SDI平均值,因此研究区的土壤退化程度有所加重,但加重程度不大。