湿地被誉为“地球之肾”,与人类的生存、繁衍与发展息息相关。芦苇滩地作为东洞庭湖湿地中的重要组成成分,具有吸附有害物质、净化水源、调节气候等重要作用。以往东洞庭湖区造纸厂以芦苇为原料进行收割造纸,能够有效维持芦苇的正常生长而近些年来随着造纸厂逐渐退出,使得大量芦苇被弃割,芦苇进而肆意生长、堵塞河道,增加洪涝灾害的隐患,因此需要对其进行有效监管。近年来,随着遥感技术的发展,遥感影像数据量急剧增加,利用遥感影像对湿地种群进行提取监测逐渐成为主流。随着计算机硬件水平的不断提升,深度学习逐渐被应用于遥感影像的湿地地物提取。本文以GF1号卫星拍摄的东洞庭湖区影像为研究对象,提出两种基于深度学习的芦苇滩地提取模型,具体研究内容如下:1)针对东洞庭湖区芦苇滩地提取中存在水体、植被等噪声干扰,导致提取精度较低的问题,提出了基于多维浅层特征引导的芦苇滩地提取方法。首先对水体特征、植被特征等特征提取,构建特征集;然后采用随机森林算法对特征进行优选,得到多维浅层特征;接下来,搭建双流网络模型,在编码层中利用多维浅层特征引导模块充分利用多维浅层特征中信息;最后经过解码层对融合后的特征进行上采样得到芦苇滩地提取图。实验表明,该方法的综合提取效果优于其他几种对比方法。2)针对单浅层特征只能从某一侧面反映芦苇特性,导致芦苇滩地提取不完整的问题,提出了基于多特征重标定的芦苇滩地提取方法。该方法首先将多个浅层特征在网络编码层中进行特征级融合,然后对融合后的特征进行通道优选和位置权重重分配操作,最后用重标定后的特征来引导原始数据进行芦苇滩地提取。实验表明,本文提出的基于多特征重标定方法能有效提升芦苇提取精度。3)基于本文所提出的多特征重标定的芦苇滩地提取模型,采用客户端/服务器端设计模式,在Py Qt5应用框架下,基于Python3.6语言设计并实现了遥感影像芦苇滩地提取软件,并在湖南省东洞庭湖区域的多光谱遥感数据上进行了软件相关功能的测试。