围填海带来的环境影响不断累积,负面效应日益凸显,利用科学有效的技术手段对其进行监测是围填海规划与监管的重要基础。遥感技术以其快速、准确的大范围观测能力成为围填海监测的有力手段,但是由于遥感影像存在严重的光谱混叠、光谱漂移等现象,导致目前遥感影像解译的自动化程度不高,制约着遥感影像在围填海动态监测中的应用。因此,迫切需要对遥感影像的自动信息提取技术进行探索,这对提高围填海动态监测的准确度与时效性具有重大意义。本文立足于围填海动态监测需求,从遥感影像数据特点出发,主要对围填海遥感影像的信息提取技术进行了边缘检测及迁移分类两方面研究。首先,针对遥感影像光谱混叠现象造成地物图斑破碎化的问题,本文指出可以利用边缘特征对光谱信息进行补充。由于遥感影像包含复杂的地表信息,边缘检测易受虚假边缘影响,为此本文提出一种基于元胞极限学习机的遥感影像边缘检测算法,将极限学习机嵌入到元胞自动机空间模型中,快速挖掘光谱与边缘间的最优局部转换规则,从而降低边缘虚警率。其次,针对多时相遥感影像光谱漂移问题,提出基于极限学习机的迁移学习遥感影像分类算法,利用多领域样本加权策略,以域参数正则化形式提高模型对高分辨率影像的域适应能力。在此基础上,提出基于改进贝叶斯ARTMAP的迁移学习算法,利用可塑性网络自适应建模能力,摆脱大场景遥感影像同物异谱现象对迁移学习的制约,以网络参数期望最大化形式建立遥感样本的重复利用策略。在遥感影像实验中,本文所提方法能有效增强围填海地物边缘信息的提取能力,改善有限目标样本下影像分类精度,提高围填海多时相遥感监测的时效性。最后,利用本文算法提取1987-2014年辽河口湿地遥感影像土地利用／土地覆盖类别信息及变化信息,分析围填海状态变化对生态服务功能产生的影响,为分析研究围填海活动的环境效应提供参考。