地表水体是人类赖以生存和社会发展中不可替代的战略资源,对其信息的获取有助于全面掌握其空间分布特征,监测各区域差异,推动水循环研究,也对合理利用水资源,实施战略措施具有重要意义。随着遥感技术被广泛应用于国民经济和社会发展等多个领域,其已成为高效准确监测地表水体的有效手段。过去由于大量训练数据选取的困难以及高精度计算能力的限制,遥感技术主要集中在利用单一传感器对小范围水体进行高精度提取,难以满足大数据时代多源数据在大尺度上对水体进行的高效提取。随着技术的发展以及研究的深入,各种神经网络法层出不穷,机器学习方法被广泛应用。故论文以当前应用较广泛的30m分辨率Landsat资源卫星遥感影像为主,辅助国产卫星遥感影像,利用机器学习语言下的多层神经网络法进行中国陆域地表水体信息的遥感提取,主要的研究内容和结论如下:(1)综述了大尺度水体信息产品,总结了水体提取方法,并分析其方法的优缺点。详细介绍了多源遥感影像数据的预处理步骤以及水体信息后处理方法,为中国陆域多源遥感数据地表水体提取研究奠定基础。(2)通过对比水体指数法、最大似然分类法、多层神经网络法提取水体在影像上的运行时间、存储空间、产品精度等方面的差异,选取出适用于大尺度水体提取的方法--多层神经网络法。该方法不受卫星传感器限制,能够直接通过修改参与计算的波段来提取水体。其多隐层的学习算法充分挖掘原始数据信息,不断将低层特征抽象到高层进行提取,不仅加速了大数据的运算速度,也提高了样本的识别率和预测的准确性。该方法精度的提高在于样本的选取,通过增加与水体光谱相似的地物作为非水体样本进行迭代计算,可以在一定程度上提升水体提取精度。(3)通过多层神经网络法提取中国陆域地表水体专题并进行了结果评价和分析。利用Landsat系列影像以及国产GF卫星影像,实现了 2015年的中国陆域30m分辨率地表水体的有效提取,水体专题提取总体精度达90.56%。中国陆域水体空间分布可以用水域率和水域面积进行表征,中国陆域地表水体水域面积主要集中在降水量800mm-1600mm(49966km2)区间、内陆河流域(51883km2)和西藏自治区(33534 km2),最大水域率分布在降水量1600mm-4050mm(2.42%)区间、淮河流域(3.74%)以及江苏省(10.74%)。根据空间分布可以定位到降水量较多的东南沿海和拥有大量雪水的青藏高原区域。因此,综合应用需求和前沿发展技术,利用国内外多源中高分辨率卫星遥感影像开展中国陆域地表水体信息专题提取方法研究,大尺度水体能够有效揭示我国地表水体分布规律,为我国乃至全球水资源和环境变化研究提供数据支撑。