为探究区域尺度的土壤含盐量空间分布、季节性变化和年际变化特征, 本研究以新疆第二师31团棉田为研究区, 以2019 年和2021年春、夏、秋季实测土壤含盐量和Landsat 8 OLI多光谱影像为基础, 将波段组、盐分指数组、植被指数组和全变量组作为 模型输入变量组, 通过相关性分析优选特征光谱参量, 采用极限学习机 (Extreme Learning Machine, ELM)、支持向量机(Support Vector Machine, SVM)和BP神经网络(Back Propagation Neural Network, BPNN)构建基于各变量组的不同季节土壤盐分反演模型, 通过实测数据评价精度筛选确定各季节最优模型, 定量反演地表土壤含盐量。结果表明:研究区两年春、夏、秋季土壤含盐量总 样本变异系数分别为 0.67、0.56、0.67, 呈中等变异性;中度盐化土的光谱反射率高于轻度盐化土和非盐化土;基于全变量组的 BPNN模型均为各季节最优的土壤盐分反演模型, 精度由高到低依次为夏季>春季>秋季;两年各季节土壤含盐量由大到小顺序均 为秋季>春季>夏季, 说明灌排及农业耕作措施对土壤盐分动态变化影响较大;2019—2021年各季节土壤含盐量均有所减小, 说明 灌区灌排措施对盐碱地治理效果明显。研究表明, 基于多光谱影像建立的机器学习模型可定量反演土壤含盐量, 为南疆典型绿 洲灌区棉田土壤盐渍化监测提供参考。 [ABSTRACT FROM AUTHOR]