人口增长引起水产品需求快速增加,而野生捕捞产量受环境承载力的限制趋于饱和,这使得水产养殖业在过去数十年间迅速发展。水产养殖能够有效保障人类粮食安全和营养供给,但同时也带来了诸多环境问题。中国是世界上最大的水产养殖国,池塘养殖是国内最重要的养殖形式之一。因此,准确、高效地获取国内养殖池塘的时空分布信息对于产业科学管理和可持续发展意义重大。为此,本文基于Google Earth Engine（GEE）云计算平台,分别利用Landsat影像和Sentinel影像数据设计了国家尺度养殖池塘自动提取模型,并以江苏省为例开展了时空演变和驱动力分析研究。主要成果包括以下三个方面:（1）基于Landsat影像的养殖池塘自动提取算法及近30年中国滨海养殖池塘时空演变研究在养殖池塘分布广泛的中国滨海地区,根据其典型网格状水域特征构建自动提取决策树模型。在利用MNDWI和AWEI水指数突出光谱特征的基础上,通过8邻域Laplacian卷积算子突出空间结构特征,同时借助SRTM高程数据剔除地形复杂的内陆腹地区域,最终实现养殖池塘的自动提取。该方法提取精度较高,以2017年为例,总体精度可达0.96,kappa系数为0.82。基于此方法,本文提取了我国滨海1988-2017年间8个年份（1988,1995,2000,2005,2008,2011,2014,2017）养殖池塘的空间分布信息。分析结果表明:中国滨海养殖池塘规模由1988年的4095.59 km~2增加到2017年的10865.99 km~2,年均增加面积约为233 km~2;黄河三角洲、江苏中北部滨海平原以及珠江三角洲地区是面积增加最明显的地区,也是目前中国滨海地带分布最密集的池塘养殖区;围垦分析表明,截至2017年养殖池塘围垦用地面积达2944.66 km~2,约占滨海围垦总面积的34%。（2）基于Sentinel数据的养殖池塘自动提取算法及2019年中国规模化养殖池塘空间分布调查本文基于Sentinel系列数据设计养殖池塘自动提取决策树模型,相较于Landsat提取模型进一步提升了算法的效率和普适性。算法重点在于使用Sentinel-2 MSI数据进行MNDWI水指数运算及其年度最大值合成并利用OTSU法自适应阈值分割提取地表水体,进而使用Sentinel-1 SAR数据获取养殖池塘空间纹理信息,以实现规模化养殖池塘的自动识别。据此,本文完成了2019年全国规模化养殖池塘的空间分布信息的提取。结果表明:2019年我国规模化养殖池塘面积大约为19500 km~2,其中滨海省份养殖池塘面积占比为81%,内陆养殖池塘集中分布在长江中下游平原地区。（3）以江苏省为例开展了省域养殖池塘时空演变及驱动力分析研究利用Landsat数据,本文提取了江苏省1988-2018年间7个年份（1988,1993,1998,2003,2008,2013,2018）养殖池塘空间分布信息。根据提取结果,分别采用土地利用动态度、重心迁移和景观破碎度三个指数研究了江苏省养殖池塘的空间演变特征,并从社会经济、环境及政策角度开展了驱动力分析。结果表明:江苏省养殖池塘面积从1988年的660.29 km~2增加到2018年的4097.95 km~2,增长了6.2倍,增长速率达到114.59 km~2/a;江苏省内养殖池塘产业呈聚集趋势,目前已形成南部滨湖地区、江苏中部、滨海地区三个养殖池塘集中分布区,其重心迁移大致呈现早期南移、90年代后向北移的趋势,其中内陆养殖池塘规模在2013年后有所缩减。驱动力分析表明社会经济发展和人口增长一直是养殖池塘面积扩张的根本动力,而环境保护则逐渐成为制约省内养殖池塘无序扩张的主要因素。本文的研究成果能够为全面认识我国水产养殖业的发展和环境保护规划提供重要的技术支撑和数据资料。本文所提出的自动提取算法对于其他国家和地区,乃至全球尺度水产养殖相关的研究也具有较强的借鉴意义。