湿地是重要的自然资源和生态系统，为了有效的管理和保护日益稀缺的湿地资源，迫切需要采用有效的方法及时、准确的对湿地及其周围的土地利用类型进行制图与监测。本文探讨了我国典型淡水沼泽湿地信息的提取方法，基于半方差分析和Z检验方法对比分析了研究区典型地物不同尺度的各种纹理特征，从而遴选最优的窗口大小、纹理特征及其派生波段以提高研究区不同土地覆被类型之间的可分性。引入两种构建决策树的方法，分类回归树(Classification andRegreeesion Trees，CART)算法及其分类器的组合随机森林(RandomForest，RF)方法，综合Landsat TM影像的光谱特征、遴选的纹理特征和辅助地学特征，建立研究区湿地信息提取的决策树模型。基于实测的GPS样本点采用混淆矩阵的方法对决策树模型的分类结果进行精度验证，并与传统的最大似然比监督分类方法(Maximum likelihood classification，MLC)进行对比。探索集成遥感影像的光谱特征、纹理特征和地学辅助特征能在多大程度上提高沼泽湿地的分类精度，并以分类精度、对训练样本的大小及噪声的敏感程度为指标，评价算法的稳定性。以位于我国三江平原东北部的淡水沼泽湿地的集中分布区小三江平原为研究区，利用基于决策树的信息提取方法，定量描述了近30年来人为干扰下研究区土地利用/土地覆被动态变化过程。采用景观生态学的原理与方法对比分析洪河保护区和三江保护区沼泽湿地景观格局的动态变化特征，揭示区域土地利用/覆被动态变化对其内部洪河保护区湿地植被退化的间接影响，探讨直接人为干扰下三江自然保护区景观基质的演变过程及其驱动因素。通过以上研究得出如下结论：　　 1基于CART和RandomForest的决策树兼容多源数据的分类方法均较传统的MLC监督分类方法的分类精度有了显著的提高。由于两个随机性的引入，使RandomForest算法不容易陷入过度拟合，与CART算法相比，具有更好的抗噪声能力，具有更高的分类精度和稳定性，是内陆淡水沼泽湿地信息提取的有效手段。　　 2随着多源数据维数的增加，机器学习算法在训练过程中的时间复杂度和空间复杂度将增大，过多的冗余属性不但会增加分类过程复杂度，而且会引起分类的混淆并导致分类精度降低。为此本文引入半方差分析和Z检验方法约简纹理特征，遴选最优的窗口、最佳的纹理特征及其派生波段组合建立决策规则。空间自相关分析表明，最适宜的纹理特征窗口大小为3×3和11×11。Z检验结果表明：由TM各波段和植被指数派生的3种灰度共生矩阵特征熵、非相似度和方差区分典型地物类型的效果最好。　　 3与仅基于光谱特征的分类结果相比，增加影像的纹理特征有效的抑制了斑点噪声。遴选的纹理特征的引入改善了传统监督分类中斑点较多，地物类型破碎的缺陷，抑制了居民地的错分现象。辅助地学变量土壤类型降低了明水面、沼泽和水田的混分现象，而高程变量则有效的抑制了草甸和旱地的混分现象。　　 4近30年内高强度的人为干扰使小三江平原土地覆被发生了剧烈的变化，研究区大量的天然沼泽被开垦为耕地，特别集中在1976-1986年和2000-2006年这两个时间段内。洪河保护区面积较小，由于保护区周边水渠的建立使保护区以孤岛方式存在，大量的地表水与地下水用于农业开采，造成湿地水位下降，湿地植被群落发生逆向演替。三江保护区沼泽湿地人为破坏严重，保护区原始的沼泽及草甸景观基质在短时期高强度人为破坏下迅速的转变成为农田景观基质。　　 综上所述，本论文引入基于决策树兼容多源遥感数据与地理辅助数据的湿地分类与信息提取方法，以提高计算机自动解译的分类精度，探讨由于人类活动直接或间接的影响下湿地景观动态变化的过程及其驱动机理。丰富和发展了我国湿地遥感监测的理论与方法，为小三江平原两个国家级自然保护区湿地保护和管理提供科学依据。