灌溉耕地的空间分布是粮食安全、水资源管理和气候变化领域重要的基础数据之一,其所包含的水田信息也是公共卫生研究的重要参考。中国不仅是世界粮食生产大国,还拥有世界上最庞大的灌溉系统。因此,科学掌握国内不同类别耕地数量和空间信息对国内国际都有着重要的现实意义。然而,从产品的角度对比国外,国内灌溉耕地往往作为土地覆盖制图研究的附庸存在,缺少专门讨论,而全球尺度的专题产品又受限于研究尺度,亚国家级尺度上的数据质量缺少讨论,难以被直接利用。针对上述问题,研究提出快速制取中国灌溉耕地空间分布数据产品的目标。在开展具体工作前,本文依据我国现行土地利用分类体系,对国内外相关类别所涉制图研究从判断依据、特征参量和制图方法几个方面进行总结归纳,奠定了文章的总体理论基础,并据此选择遥感-非遥感数据融合方法作为切入点开展研究工作。整个研究主要包含三个部分,分别总结如下:(1)通过分析实际应用案例,论证了遥感-非遥感数据融合在大尺度制图研究中推广的可能性,同时提出了具有针对性的方法改良思路。具体而言,即采用以“NDVI峰值是像元获得灌溉可能性的反映”为理论假设的遥感-非遥感数据融合方法入手,对这一方法在国内的应用进行了尝试,并将精度评价结果与同类产品进行了对比。利用统计数据和高分辨率影像分别进行数量和空间精度检验的结果表明,该方法能充分利用遥感数据空间信息,较大提升了产品的空间分辨率,并保持数量精度与非遥感数据融合产品一致。但由于该方法在部分典型地区未能获得与同类产品相当的精度结果,研究通过对制图流程中所涉及各项因素进行分析,认为方法假设和参量选择是影响分类精度的主要原因。(2)针对前述部分研究提出的问题,提出改良后的遥感-非遥感融合制图方法进行验证,并根据试验结果设计最终技术路线,完成研究区域的制图及精度检验。根据前部分研究内容得出的结论,引入贝叶斯判别法和Select K Best特征选择算法尝试解决前述研究中提出的问题,并结合制图目标,选择地理、水分和植被三个类型的代表性参量,设计试验证明了其有效性。试验结果也揭示,基于特征得分优选多参量分类相比最优单一参量能够获得精度更高更稳定的分类结果,但特征参量在特征选择中的得分与对目标类别的判别水平没有直接相关关系。据此,研究选择对测试样本分类精度最高的参量集进行分类,所获数据产品经高分辨率数据产品检验,总体空间精度58.81%,与同类产品在相同检验条件下精度水平相当。此外,本部分还对分类工程中所获不同时相和类型参量在特征选择算法中的得分进行了简要的总结分析。(3)将(2)所述制图产品与现有平行数据产品(GMIA,GRIPC,Glob Cover和GFSAD)从数量和空间角度进行对比,明确不同产品的差异及其产生原因,提出改进未来灌溉耕地制图工作可能的方向。由于产品分类体系不同,对比针对两种分类体系分别展开。第一种为灌溉-非灌溉分类体系,对比对象为所有数据产品。在数量上,包括前述分类结果在内的,一些在分类中使用了数量限制的产品与统计数据吻合水平更好。在空间上,整体空间一致性呈现西低东高的趋势,高一致性像元分布与普遍认可的灌溉耕地集中区吻合较好。不一致的主要来源是混合耕地像元,但不同一致性水平像元的分布和来源上,都有区域差异。但由于空间信息不完全,研究对低一致性区域及相关产品的表现持保守态度。第二种分类体系是水田-水浇地-旱地,对比对象只有GRIPC。分类结果依然保持了与统计数据较高的吻合水平;结果还显示,统计数据所体现的区域优势耕地类型与一致性对比中的优势耕地类型一致,这表明优势类型在分类计算中更有可能获得较高的精度,采用相对真值数据进行验证时,所获精度可信度也有可能更高。