星机 “时 - 空 - 谱” 多源信息融合同化技术是破解我国农业地块破碎、作物类型多样背景下遥感监测难题的核心技术，在农业种植结构精准提取、土壤盐渍化高效监测等领域具有重要应用价值，可为智慧农业管理、农业可持续发展提供关键技术支撑。我国农业生产家庭责任承包制导致的地块破碎、作物种类繁多现状，对多源遥感数据在 “时间、空间、光谱” 特征的分辨率提升、信息融合同化技术提出更高要求；同时，土壤盐渍化已成为限制农业可持续发展的重要因素，在人口不断增长与盐渍化问题日益加剧的背景下，常规遥感监测技术受限于数据时空分辨率、光谱特征的制约，传统土壤盐渍化监测方法存在精度不足、时效性差、多源数据融合度低等问题，难以满足农业高精度、高效的盐渍化监测与治理需求。围绕多源遥感 “时 - 空 - 谱” 信息融合与同化技术开展系统攻关，突破了遥感数据时空谱的限制，利用深度学习网络构建超分辨率重建模型，实现了卫星影像在特定波段、不同时期对监测范围影像的空间分辨率提升；构建了基于超分辨率及多源遥感数据 “时 - 空 - 谱” 融合的河套灌区种植结构提取方法，建立了作物生长及需水信息多源遥感监测模型；系统研究了作物类型与长势、土壤表面粗糙度与机械组成等对土壤含盐量反演精度的影响规律，提出了融合多变量的空天地多时序土壤盐渍化监测方法。目前该成果已形成完整的技术体系，可实现破碎化农田种植结构精准提取与土壤盐渍化的高精度、高效监测，为河套灌区等典型农业区域的农业生产管理、土壤盐渍化治理、水资源优化配置提供了强有力的技术支撑，具有广阔的推广应用前景。