这项研究的目的是使用先进的半经验预测模型，Operational Land Imager（OLI）数据，数字高程模型（DEM），野外土壤采样以及实验室和统计数据来绘制干旱环境中受盐污染的土壤的图分析。 为了实现我们的目标，对OLI数据进行了大气校正，对辐射传感器的漂移进行了校正，并使用DEM校正了形貌和几何形状的失真。 然后，使用基于土壤盐度和Sodicity Index-2（SSSI-2）的半经验预测模型得出土壤盐度图。 植被覆盖图是从转化差异植被指数（TDVI）中提取的。 此外，精确的5 m像素DEM用于得出地形属性（高程和斜率）。 为了检验其在干旱环境中进行中度和强盐度制图的能力，对使用地面实况的半经验模型进行了视觉比较和统计验证。 为了完成此步骤，组织了野外工作，并收集了120种具有不同盐度的土壤样品，包括非盐渍土壤样品。 每个人都使用数码相机和准确的全球定位系统（GPS）测量（σ≤±30 cm）自动标记，并实时连接到地理信息系统（GIS）数据库。 随后，在实验室中，从饱和土浆中提取了主要的可交换阳离子（Ca2 +，Mg2 +，Na +，K +，Cl-和SO42-），pH和电导
