水稻是中国三大粮食作物之一,快速准确获取水稻种植分布信息,对水稻长势监测与产量估算、水资源合理利用与调配、大气成分与气候变化监测等具有重要作用。遥感技术因快速、经济、高效等优势,广泛应用于作物种植分布提取,随着风云系列和高分系列卫星的成功发射,国产卫星数据为监测作物种植分布提供了更多可能。然而,当前风云三号和高分六号数据在水稻种植分布提取方面仍存在一些难点和挑战:首先,FY-3MERSI影像已广泛应用于土地覆盖分类研究中,但目前针对水稻种植分布提取的研究与应用鲜见报道;其次,GF-6卫星新增波段对水稻种植分布提取精度的影响仍缺乏深入探究;此外,多时相影像较于单时相影像在提高分类精度的同时,运行效率相应下降,实际应用中如何高效高精度提取水稻种植分布需进行进一步探讨。针对以上不足,本文选用多景FY-3 MERSI影像和GF-6 WFV影像提取盘锦市水稻种植分布信息,主要研究工作及结果如下:（1）采用多景FY-3 MERSI影像和GF-6 WFV影像,分别根据光谱信息选取并计算不同遥感指数,依据地物类型进行时序分析后构建基于时序植被指数的水稻种植分布遥感提取模型,分别获得基于FY-3 MERSI影像和基于GF-6 WFV影像的两种盘锦市水稻种植分布结果。根据目视解译验证点进行精度分析,基于FY-3 MERSI影像和基于GF-6WFV影像的分类总体精度分别为80.80%和95.60%。GF-6 WFV影像水稻提取精度显著提高的原因在于其空间分辨率远高于FY-3 MERSI影像,能够有效减少混合像元,且引入了对作物信息更加敏感的红边指数。（2）在根据遥感影像构建多种遥感指数作为特征变量的基础上,采用平均不纯度减少的方法进行重要性排序并通过袋外误差方法选择最优输入特征,建立特征优选随机森林算法。基于该算法,分别在单时相和多时相尺度上,利用FY-3 MERSI影像和GF-6WFV影像提取盘锦市水稻种植分布信息。结果表明,单时相影像分类结果中水稻移栽期影像分类精度较高,时序信息可提高单时相影像分类精度。综合模型精度和运行效率对分类结果进行对比分析,实际应用中可使用时序FY-3 MERSI影像或水稻移栽期时GF-6 WFV影像提取水稻种植分布信息。（3）在构建时序植被指数法和特征优选随机森林算法的基础上,相应剔除GF-6WFV影像的红边信息、紫边和黄边波段后重新提取盘锦市水稻种植分布信息。结果表明,GF-6 WFV新增波段的引入均可提高水稻提取精度,能够有效减少错分与漏分现象,反映出红边Ⅰ、红边Ⅱ、紫边与黄边波段在农作物分类识别与精细提取研究中具有广阔应用前景。此外,与紫边和黄边波段相比,红边信息特征重要性排名较高,提取水稻种植分布信息时精度提升效果更佳。（4）通过特征优选随机森林算法与时序植被指数法水稻种植分布提取结果的对比分析,结果表明,特征优选随机森林算法较于时序植被指数法能够有效提高分类精度,原因在于随机森林算法具有高度随机性,其抗过拟合能力和泛化能力更为优越,且特征优选算法的引入能够自动对高维特征变量进行特征筛选与组合优化,较少的人工干预克服了时序植被指数法中人为选取指数与阈值的主观性影响,因此特征优选随机森林算法在大数据、大范围区域的实际应用中更为简单高效。综上所述,本文以时序植被指数法和特征优选随机森林算法为基础,分别采用FY-3MERSI影像和GF-6 WFV影像提取盘锦市水稻种植分布信息,并成功挖掘GF-6卫星新增波段对水稻提取精度的影响,以期在实际应用中实现高效高精度水稻种植分布遥感提取,对进一步推动国产卫星在农业遥感监测方面的应用具有重要意义。