客观了解我国湿地资源的数量及分布,建立完整、持续的湿地科学数据集,是湿地保护和恢复工作的重大行业需求。湿地生态系统环境复杂、内部可达性较差,传统湿地调查周期长、各省市调查时间与汇总时间不尽相同。目前基于遥感的全国的湿地信息提取,常采用人工目视解译,效率较低且不够客观。针对以上问题,本研究旨在通过分析湿地遥感特征,对比不同提取方法,寻求快速、准确、面向大区域的湿地信息提取技术,进而实现全国的湿地遥感分类,为我国湿地分布现状和决策优化调整提供数据支持。本研究以全国为研究区,使用2015年覆盖全国陆地区域的Landsat8 OLI的遥感影像共506景为基础数据源,224景Landsat8和GF-1为补充数据。综合考虑湿地类型提取技术难点、人为活动影响及实际可操作性等因素,将全国湿地遥感区划分为Ⅰ区、Ⅱ区,分别进行讨论分析。主要内容及结论如下:(1)Ⅰ区选用人工湿地较多、人为活动影响较大的北京市为实验区,探讨中等分辨率影像支持下,受人为活动影响较大区域的湿地类型提取方法。综合分析影像的光谱、形状、纹理特征及空间信息,辅助第二次全国湿地资源调查资料、2015年土地利用图及其他资料,选取湿地特征,研究了面向人为活动影响严重区域的湿地类型提取方法。采用分层抽样法-非比例分配法随机分布的验证样本对分类结果进行精度验证。结果表明,面向对象CART决策树方法总体精度为87.83%,对比最大似然法,总精度提高近25%;与面向对象最邻近方法相差不大,但针对部分湿地类型,如人工湿地、河流湿地及沼泽湿地,用户精度或生产者精度提高了10%左右;全卷积神经网络法提取非湿地地物的精度可达90%左右,但各湿地类型分类精度较低。面向对象CART决策树方法分类精度有明显提高,有较强的实用性。多尺度分割算法辅助光谱差异分割技术是人为活动影响较大、碎斑较多地区湿地类型提取的一种有效手段。(2)Ⅱ区选择自然湿地较多、人为活动影响较弱的江西省为实验区。综合分析影像的光谱、形状、纹理特征及空间信息,选取湿地提取特征,研究了针对受人为活动影响较弱、湿地类型差异明显区域的提取方法。辅以已有数据资料、随机分布的验证样本对分类结果进行精度验证。结果表明,分层分类方法总体精度为85.76%,比最大似然法的精度高近20%。通过对不同特征指数进行计算,随后对非湿地地物进行掩膜处理,减少相似光谱信息的干扰,避免其他分类方法因机制不同而产生的不确定性,精度有所改善。根据湿地的非地带性分布特征,逐步提取目标地物,可大大减少错分混分的现象。分层分类方法对实验区的湿地信息提取效果较好,在面向大区域的湿地信息提取中更具灵活性。(3)根据Ⅰ区、Ⅱ区的特点,将面向对象CART决策树方法与分层分类法运用至Ⅰ区、Ⅱ区,将5种湿地类型的面积提取结果与第二次全国湿地资源调查资料进行对比分析。得到人工湿地面积约为458万公顷,河流湿地约为909万公顷,湖泊湿地约为853万公顷,沼泽湿地约为1781万公顷,近海与海岸湿地约为562万公顷,全国总湿地面积约4563万公顷。