哈泥国家级自然保护区位于吉林省东部长白山麓的龙岗山脉中心位置,是吉林省继向海和莫莫格之后的第三块国际重要湿地,地貌类型以中、低丘陵山地和玄武熔融岩石所构成的台地为主。该区淡水森林沼泽等湿地资源丰富,拥有我国储量极其丰富的泥炭沉积矿床,在涵养净化水源、调节大气环流与改善保护区小区域气候等方面具有举足轻重的作用,及时开展湿地遥感监测与精确解译工作具有重要意义。因此,本文以哈泥国家级自然保护区为研究区,集成应用Sentinel-1多极化雷达和Sentinel-2多光谱遥感影像的优势,利用3S技术,充分挖掘Sentinel-1多极化VV、VH雷达波段特征和Sentinel-2红边指数特征在森林沼泽遥感精细分类中的潜力,利用传统的监督与非监督分类、随机森林机器学习和卷积神经网络深度学习等遥感信息提取分类方法,高效准确提取哈泥国家级自然保护区淡水森林沼泽湿地覆被信息,评估各分类方法精度,对哈泥国家级自然保护区2020年淡水森林沼泽湿地覆被进行精细分类。主要结论如下:（1）基于传统的监督、非监督分类方法对哈泥国家级自然保护区森林沼泽开展信息精准识别与提取的结果精度相对较差,分类精度较粗糙,出现大面积地物类型错误识别与相近地物类型错误赋值现象。监督分类算法提取结果总体精度与Kappa系数较低,分别为79.61%、0.76。非监督分类算法提取结果总体精度与Kappa系数分别为68.07%、0.63,较监督分类算法结果而言更低。但借助计算机传统的监督、非监督分类方法对大面积地物类别开展遥感监测与识别,仍具有高速度、低消耗的特点。（2）哈泥国家级自然保护区森林沼泽湿地覆被信息随机森林提取精度随着分类树数目的增加呈现先增加后趋于稳定的趋势,保护区森林沼泽信息提取最优随机森林分类树数目受样本训练、模型参数等众多因素影响。哈泥国家级自然保护区随机森林算法信息提取总体精度和Kappa系数分别为88.88%和0.87,森林沼泽信息提取的生产者精度与用户精度分别高达89.01%、86.17%。随机森林算法湿地信息识别提取与分类研究质量较好,已基本满足实验要求。（3）哈泥国家级自然保护区森林沼泽景观信息卷积神经网络深度学习算法识别提取总体精度与Kappa系数效果最优,分别为93.51%、0.92,其中,森林沼泽地类提取的生产者精度与用户精度分别高达94.51%、95.56%,卷积神经网络算法信息识别提取结果符合分类要求。相较于随机森林、监督分类和非监督分类方法,总体精度分别提升了5.21%、17.46%和37.37%;Kappa系数分别提升了5.75%、21.05%和46.03%;森林沼泽提取生产者精度分别提升6.18%、21.14%和26.47%;森林沼泽提取用户精度分别提升10.90%、19.78%和19.45%。（4）哈泥国家级自然保护区地物类别种类丰富,经卷积神经网络算法提取结果来看,森林沼泽面积为26.34 km~2,占天然湿地面积的88.75%,占保护区总面积的10.86%,主要分布于哈泥国家级自然保护区东北部。河流面积为0.71 km~2,比重相对最小,贯穿全区。另外,湖泊与草本沼泽也是哈泥国家级自然保护区中天然湿地类型的重要组成部分,其面积分别为1.26 km~2、1.37 km~2。综上所述,融合Sentinel-1多极化VH、VV雷达后项散射系数波段与Sentinel-2红边等高光谱波段的影像数据,同时具备Sentinel-1合成孔径雷达SAR高空间分辨率、主动极化模式、穿透云雾与植被遮挡、扫描范围广、不受光线干扰与Sentinel-2在可见光、近红外、短波红外、红边等对植被长势与健康状况监测方面的优势。利用高光谱、高精度融合影像数据,借助卷积神经网络深度学习分类算法对哈泥国家级自然保护区森林沼泽信息开展提取与分类的精度最优。因此,借助Sentinel-1与Sentinel-2融合影像与卷积神经网络深度学习算法开展湿地森林沼泽信息识别与提取的方法具有推广价值。研究可为相应部门制定科学的湿地利用与恢复决策提供数据支持。