灌溉在农业发展和区域环境变迁中具有至关重要的作用。因此,对中国水浇地和旱地的结构比例、空间分布格局和时空变化特征的准确认识可为全局精准决策提供依据。本研究基于中国土地利用数据和Landsat数据,基于谷歌地球开发引擎（Google Earth Engine,GEE）平台在旱作耕地中提取水浇地及其变化信息。先根据自然地理差异将中国分为5个区,在除西北灌溉区（全部划为水浇地）外的其余四个区分别进行旱作耕地的分类方法研究,并用此方法得到2015和2000年初步分类结果。再结合两期遥感因子在时间维度的变化数据,提取2000-2015年水浇地变化信息,并使用2015年水浇地分布数据和2000-2015年变化数据推导出比直接分类精度更高的2000年水浇地分布数据,进而对中国水浇地的分布及其研究期的时空变化特征做了分析和总结。最终得到以下结论:分区水浇地提取方法针对各区的特性选择最佳分类特征组合、最佳分类时相,且能够减少由于原本区域自然差异带来的作物长势和含水量差异造成的分类影响。研究发现归一化植被指数（Normalized Difference Vegetation Index,NDVI）和归一化水体指数（Normalized Difference Water Index,NDWI）的组合最佳;坡度在北方高原和中东部具有很强的区分性;纹理对北方三个区分类精度均有提高;采用植被指数与环境因子比值关系在东北区和中东部有更好的分类效果,而且在时相减少的情况下能保证分类精度,降低了对数据的需求和计算量。最终2015年各区平均总体精度为0.8765,平均卡帕系数为0.685,与中小尺度的市、县级统计数据对比验证的平均均方根差为0.142,分布趋势与现有数据一致。表明该方法可靠,能够达到较好的提取精度。水浇地变化信息提取兼顾了像元时间轴的纵向变化和像元同一时期的空间差异,直接对两期植被指数因子差值分类。即利用同一像元两期数据不同时相的均值、标准差、最大值三种指标的差值判定变化情况,再结合2015年和2000年的直接分类结果,判定地类变化类型。并使用2015年提取结果和变化数据推导出2000年水浇地分布数据。研究发现三个指标结合的方法获得的2000年水浇地分布数据精度较高,表明该变化信息提取方法可靠的。这不仅避免了由两期结果叠加分析得到变化数据时带来的误差叠加,还能避免以往年份由于样本、数据短缺等造成的分类精度差的问题。全国水浇地分布从东南向西北分为四个条带,与中国的降水递减规律一致。东南水浇地零星分布带,华北水浇地集中分布带、东北和中北水浇地和旱地交错分布带、西北水浇地分散分布带。降水因素是水浇地分布的基本的影响因素,故在全国尺度,水浇地比重与作物生长季降水呈负相关;其次是地形因素,即水浇地分布在地势低平的平原、河谷、盆地中;再次是可获得水资源的便捷程度,在降水和地形两个影响因素之下,水源与水利设施成为水浇地是否存在的关键因素。研究期内,水浇地分布格局趋于密集,且重心往西北转移;旱地则往更偏远的山区转移,重心则往东北转移。平原区水浇地转化为非旱作耕地,山区丘陵等偏远地区旱地新增较多。西北地区旱地撂荒增多、水浇地开垦增多。以上变化反映出水浇地往水资源缺乏的区域转移的趋势,而水资源相对充沛的区域则减少,加剧了我国水资源与耕地的不匹配的矛盾。本文提出一套中国水浇地提取方法,包括近期水浇地提取方法、水浇地变化信息提取方法,得到具有较高精度的全国2015年和2000年水浇地和旱地30m分辨率分布数据,精进了现有数据空间分辨率。并总结了中国水浇地分布空间格局和变化格局及其影响因素和规律。