遥感应用的本质是从图像上提取信息和获取知识，并使之服务于各行各业的分析与决策。遥感技术日益成熟，已经成为快速、大规模地面监测中不可或缺的手段。由于地表特征复杂，使得高精度、高效率的信息提取成为制约大规模遥感应用的瓶颈，目前尚没有一个通用的方法来很好地解决这一技术难题。　　 在传统遥感信息提取方法中，指数计算是描述地物波谱规律的一种简单而有效的方法，目前已经广泛应用于专题信息提取中，但是单一尺度上的阈值并不能很好的将专题信息与背景信息分离；分层次分类法则可以在不同尺度上分别建立相应的分类法则，从而很好的解决指数计算中遇到的问题。本文将定量化的指数计算和分层次分类法相结合，提出了基于指数的多层次遥感信息提取模型。通过建立“全域—局部”迭代转换机制，将指数计算、全域分割、特征点选择、局部分割分类等过程有机结合起来，并采用面向对象模型将波谱特征、空间结构特征等知识进行了逐步分层次的融合，使得地物对象与背景信息边界得到最优化的分离，从而提高了专题信息提取的自动化、精细化水平。　　 结合中亚国际河流遥感监测的实际应用，建立并完善基于水体指数和植被指数的多层次信息提取模型。选取中亚地区典型的湖泊、水库、河流为例进行信息提取实验；针对国际河流开发利用中存在的问题，设计了遥感监测系统，并在SINCE2008平台上实现了专题信息提取模块。进一步的，将研究区域扩展到整个中亚，初步探索了高精度、自动化的信息提取在中亚碳循环模拟中的发展趋势。