黄河三角洲地处黄蓝两大国家战略重叠地带,后备土地资源充足,地理位置优越,具有重要的自然生态价值和社会经济价值。但因其独特的沉积环境,气候条件,土壤母质以及石油过度开采与加工等生产方式的存在,导致该区域生态环境十分脆弱,主要表现在:原生盐渍化土壤分布广泛,且次生盐碱化严重;生态系统结构单一,抗逆性差;资源利用率低;农业生产力弱等。为实现黄河三角洲区域生态环境的有效保护,对区域地表主要生态参数进行实时监测成为黄河三角洲地区发展的迫切需求。土壤表层水分和盐分含量是制约黄河三角洲地区生态环境发展的重要生态参数,黄河三角洲地区的生态保护不仅要以土壤表层水分和盐分含量的监测、调控为重点,更要以植被健康生长为最终目标。生态参数监测的传统方法为野外调查实测法,其显著特征为精度高。卫星遥感监测因具有无损测量,快捷高效等优势成为主流方法。随后,无人机逐步发展,成为生态环境监测的重要手段。与传统方法相比较,无人机遥感可以在短时间内获得高通量的影像数据,节约了大量时间,人力和经济成本;与卫星遥感相比,无人机遥感具有时间、空间分辨率高,成本低,时效性强,可重复使用等特点,同时可以有效排除云层的影响,即使阴天也可以进行影像数据采集。因此,本文对黄河三角洲代表区——河口区(核心试验区,共布设140个采样点)和垦利区(验证区,共布设69个采样点)进行实地调查,选取土壤盐分含量、土壤水分含量、作物叶绿素含量(SPAD)和植被覆盖度四个地表主要生态参数为代表,并以调查所得的地面实测数据、无人机多光谱数据(包括绿光、红光、红边和近红外波段)和Sentinel-2A卫星多光谱数据作为数据源,将三者的优势充分结合,实现对各生态参数的高精度,高时间、空间分辨率的多尺度反演。首先,采用相关性分析和波段组合法,对野外实测得到的生态参数数据与无人机图像数据进行分析,筛选得到特征波段、敏感植被指数和特征光谱参量;其次,采用多种回归方法,分别以特征波段、敏感植被指数和特征光谱参量为自变量,以各生态参数实测值为自变量,构建估测模型,并优选;进而,分析无人机图像与卫星遥感影像反射率之间的关系,采用比值均值法得到卫星影像反射率归一化系数,对卫星影像进行反射率归一化处理;随后,运用模型精度对比和验证区验证的方法,对估测模型的时间、空间普适性进行验证;最后,运用波段运算方法分别将无人机图像和归一化后的卫星影像各波段反射率带入到各生态参数的最佳估测模型,得到各生态参数在田块(无人机图像)和研究区(卫星影像)尺度下的反演结果。结果显示:无人机图像各波段反射率与生态参数间的相关性优于卫星影像。土壤盐分含量的最佳估测模型的建模精度为R~2=0.743,RMSE=3.05,MAE=2.13,验证精度为R~2=0.809,RMSE=2.04,MAE=1.51,为基于多元线性回归方法,无人机特征波段和特征光谱参量为自变量所构建;SPAD的最佳估测模型建模精度为R~2=0.926,RMSE=0.63,MAE=0.92,验证精度为R~2=0.934,RMSE=0.78,MAE=0.87,为基于多元线性回归方法,无人机特征光谱参量为自变量所构建;植被覆盖度的最佳估测模型的建模精度为R~2=0.799,RMSE=0.03,MAE=0.02,验证精度为R~2=0.769,RMSE=0.27,MAE=0.22,为基于序列最小优化(Sequential Minimal Optimization,SMO)方法,无人机特征波段和特征光谱参量为自变量所构建。三个估测模型经验证,都有着较高的时间、空间普适性;归一化处理后的卫星影像反演效果较好;多尺度反演结果均与实际相符,并有效的反映了核心试验区和研究区各生态参数的空间分布特征。但是,无论是无人机图像还是卫星影像,本研究所包含的波段都不适用与土壤水分含量的反演。本文结合了卫星(星)、无人机(机)、野外实测(地)方法的优势,提供了多尺度反演地表主要生态参数的有效方法,对黄河三角洲区域重要生态参数的实时、快速、准确监测具有重要价值。