陆地水体包括江河、湖泊、水库等，虽然只占陆地总面积的2.5％，却是陆地自然生态系统繁衍、人类生存、社会经济发展的关键要素。陆地水体的时空变化较大，且对气候变化与人类活动十分敏感。准确了解水体的时空动态，对水资源评估、气候模拟、环境和生物多样性研究具有重要意义，也能够为区域、国家乃至跨国境的相关决策提供重要依据。卫星遥感是监测水体分布和变化的重要手段，但传统采用人工方式，或基于分类、水体指数等算法的半自动水体提取方法，难以满足大区域、高时空精度的水体监测的需要。　　水体的遥感光谱特征受大气、水质、水环境、背景土地覆被等众多因素的影响，进行大区域的水体遥感监测面临特征多样的难题。本文开展了基于光学遥感的高精度陆地水体提取方法研究，提出了一套适用于Landsat系列数据的水体提取框架，以满足进行大区域、高时空精度的水体监测。通过分析不同类型水体以及其他类型地物在各波段的反射率特征，提出分别针对面状水体和细小河流的水体提取方法。　　对于面状水体，传统方法多采用水体指数结合阈值法进行提取，缺点在于其阈值需要人工优化。本文将受标记控制的分水岭分割算法应用于水体指数，将设定严格的单一阈值，改变为设定较宽松的阈值范围，减少了人工干预，适合大范围的水体自动识别。而且，分水岭分割算法以梯度判断水体边缘，突破了传统的阈值法只依赖光谱信息的局限，利用光谱信息的空间特征提高了对水体边缘的提取精度，提升了水体提取中对山体阴影、城镇等易混淆地物的区分能力。对3个典型区的实验结果表明，总误差小于4％，边缘精度高于80％。　　由于细小河流光谱特征微弱，传统的阈值法难以识别。本文创新性地提出了结合线状特征增强、双阈值线段追踪的提取方法，并提出了分别针对阴影、道路等干扰信息的去除方法。提高了水体指数对光谱特征较弱的水体的识别能力。实验表明，结果完整度达到84％。　　针对大区域中湖泊变化快速监测的困难，提出了一套自动化的湖泊提取原型系统，并将其应用于整个青藏高原，自动提取了2000年青藏高原全区域1122个湖泊范围。精度评价结果显示，用户和制图精度均高于98％，Kappa系数高于0.997，总体误差低于3.2％。此外，通过对比中国科学院青藏高原研究所的TP2000数据，进行相对差异分析，认为面积差异较大(＞0.2)的湖泊仅占总数的6％，显示出方法较好的鲁棒性。　　当前正处在遥感技术快速发展和对地观测应用高速增长的时期，本研究提出的陆地水体提取方法有利于充分利用遥感观测数据，快速、准确地监测湖泊、河流、水库等陆地水体的动态变化，而且能够促进对众多与陆地水体紧密相关的生态、环境问题的深入理解和解决。