如何及时、准确地获取农作物的种植面积历来都是国家统计部门的研究重点之一。常规的统计学方法因其固有的局限性已无法满足现代农业统计工作对效率与精度的需求;遥感信息提取技术的不确定性也导致其无法独立完成具备完善统计学意义的面积测量工作。综合二者优势发展起来的空间抽样技术在农作物种植面积测算方面已得到广泛应用。但是,对大尺度研究区,由于遥感技术还不够成熟以及天气的影响,无法准确获得现势全覆盖的遥感影像。对此,如何综合二者优势利用遥感数据资源进行农作物种植面积测量,是解决我国农情遥感预报的关键所在。本文根据大范围水稻种植面积遥感测量业务化运行要求,针对现阶段研究中遥感数据获取的问题及遥感作为辅助数据对抽样方法和总体精度之间相互制约与影响的关系,选择典型的研究区,采用环境卫星遥感数据作为辅助数据源,以分层抽样为核心,研究探讨种植结构复杂的大范围水稻种植面积空间抽样调查的方法体系。研究过程中,环境遥感数据提供抽样总体及分层参数,增强分层抽样的可信度,并以野外调查样本和高分辨率空间样方提高样本的可靠性。研究结果表明:(1)环境卫星(HJ-A/B)进行大尺度的监测农作物种植面积,其高时间分辨率可以弥补其数据质量上与Landsat-TM数据在质量上存在的差异,解决了农作物种植面积测量时遥感数据受云雾雪等天气影响难以获取的问题。同时其700km的幅宽避免了数据预处理时裁剪拼接中产生的误差,为农作物种植面积的遥感监测和抽样估计提供了一种新的数据源。结合耕地地块和野外调查资料的ISODATA非监督分类方法可以有效地从环境卫星数据中获取研究区的水稻种植范围,为空间抽样提供抽样总体。(2)分层抽样采用的分层因子与调查目标之间的相关性直接影响分层抽样设计的效率。使用历史遥感数据生成的分层因子或者现势遥感数据分层因子与调查目标间的空间相关性较弱,在达到相同抽样精度的情况下,需要比使用高质量的数据源提供更多的样本。研究表明景观特征边缘密度(Li)优于抽样框内面积直接作为分层因子的分层抽样,有效地提高抽样效率和实际调查的工作效率。(3)在我国各省复杂的水稻种植结构下,采用基于遥感数据的分区及分层与实际调查目标相关性高,抽样样本数量和结构都得到了优化,同时引入高分辨率遥感数据辅助调查可以减少野外工作量,及时准确地提供实时预报,为政府部门决策提供重要的参考依据。