土壤盐碱化严重制约着我国西北干旱绿洲区农业的可持续发展,快速、准确地掌握盐碱地的时空分布和动态变化,对干旱绿洲区盐碱地水土资源的高效利用以及粮食安全的保障至关重要。鉴于此,本文以典型干旱绿洲区讨赖河流域盐碱地为例,基于该地区1990～2020年长时间序列遥感影像,建立基于深度学习算法的盐碱地遥感影像分类模型,并与传统的遥感影像分类方法进行对比,验证模型的分类精度及可靠性,完成该地区盐碱地遥感影像分类,制作出长时间序列盐碱地分布图。在此基础上,分析讨赖河流域绿洲区盐碱地时空变化格局,探明该地区盐碱地的动态变化趋势。主要内容如下:（1）通过实地调查和野外采样,结合研究区实际地物类型和相关地物分类原则制定出盐碱地遥感分类体系。以讨赖河流域绿洲区为研究区,根据最佳波段组合筛选结果确定遥感影像解译标志,并在此基础上完成了研究区遥感分类样本数据集的制作。研究区遥感地物分类体系和对应的样本数量如下:植被样本量1260个,建设用地样本量1137个,水体样本量643个,重度盐碱地样本量328个,中度盐碱地样本量196个,中度盐碱地样本量235个,裸地样本量421个,且样本可分离度均大于1.9,可分离性较好。（2）基于深度学习ENVI-Net 5模型架构,利用ENVI软件Deeplearning模块构建了研究区盐碱地深度学习分类模型,根据实验结果对模型进行反向优化,并利用混淆矩阵计算结果与传统监督分类方法进行对比,评价模型精度。结果表明:ENVI-Net 5分类模型的总体精度、用户精度、Kappa系数均优于传统监督分类方法,在SVM（支持向量机）、RF（随机森林）、BP（误差反向传播算法）3种传统监督分类方法中,SVM精度优于RF和BP。其中,ENVI-Net 5分类模型在1990年、2008年、2019年得到的总体精度分别为96.72%、97.66%、97.64%,三类盐碱地的用户精度和制图精度均高于传统监督分类方法,Kappa系数在0.95～0.96之间,分类过程效率高,分类结果可靠。（3）基于训练优化后的ENVI-Net 5分类模型,对研究区盐碱地遥感影像进行分类,制作出1990年、1995年、2000年、2005年、2010年、2015年、2020年的长时间序列盐碱地分布图,分析了研究区盐碱地时空分布格局。结果表明:在时间分布上,1990年到2020年期间研究区内盐碱地斑块面积总体上呈缩小趋势,特别是重度盐碱地和中度盐碱地的斑块面积有明显缩小趋势,但轻度盐碱地的斑块面积在农业灌溉区有所扩张。在空间分布上,研究区内中部边湾农场和上部鸳鸯灌区的盐碱地斑块分布较为明显,且多为重度和中度盐碱地,轻度盐碱地在中部的红水河灌区和下部的丰乐河灌区有明显的增大趋势。（4）借助转移矩阵和桑基图,对研究区地物类型的组成和面积占比以及各地物类型之间的动态转换关系和转换幅度进行分析。结果表明:1990～2020年期间,研究区内植被、建设用地、水体、重度盐碱地、中度盐碱地、轻度盐碱地、裸地之间的转移关系随着时间推移逐渐趋于稳定,但建设用地和农业灌溉面积仍然有减弱的上升趋势,由农业灌溉面积转入的轻度盐碱地面也有明显持续上升趋势,应当加强相关区域土壤盐碱化的监测、预防和治理工作,同时制定更加合理的水土资源开发利用方案。