滨海湿地地处陆地向海洋的过度地带,它可以涵养水源,调节局部气候、保护生物多样性。然而,随着经济的发展,滨海湿地面积锐减,环境不断恶化。近年来,随着人们对自然环境保护意识的提升,人们对于滨海湿地逐渐重视起来,对于滨海湿地进行了大量的监测。当前对于滨海湿地的进行监测的方法主要分为人工监测和遥感监测,相对于人工监测,遥感可实时、大面积的观测。当前星载遥感数据主要包括:高光谱影像、多光谱影像和全色影像。由于滨海湿地生态系统较为复杂,高光谱精细的光谱分辨率相比其他两种数据更具优势。但是,由于传感器无法使获取的影像同时具有光谱与空间优势,较低的空间分辨率成为了高光谱影像的一个缺陷。因此,为了获取高空间分辨率的高光谱影像,进行更精细的滨海湿地监测,影像融合是一种必要的手段。本文首先对当前的影像融合方法进行对比分析,从中发现当前方法的不足,并对当前方法进行改进,创新性的提出一种新颖的影像融合方法,以黄河口和盐城滨海湿地为研究区,通过像素级与特征级融合方法相结合进行地物精细分类,并对研究区的地物分布进行精细制图。本文的主要研究内容和结论如下:（1）本文选取8种融合方法对影像进行融合,包含了基于成分替换、多分辨率分析、机器学习等方法。并且从定性、定量方面对融合影像进行质量评估。此外,选用支持向量机对所有影像进行分类和精度验证。实验结果表明,LANARAS（SAM＜6,HCC＞0.45,OA＞90%）和GSA（SAM＜10,HCC＞0.45,OA＞90%）方法更适合高分五号（GF-5）与高分一号（GF-1）数据的融合,推荐MTF-GLP（SAM＜4.5,HCC＞0.45,OA＞85%）和GSA（SAM＜11,HCC＞0.45,OA＞85%）方法融合GF-5和高分二号（GF-2）数据,GSA（SAM＜6,HCC＞0.5,OA＞90%）和SFIM（SAM＜4,HCC＞0.25,OA＞90%）可用于GF-5与哨兵二号（S2A）数据的融合。本研究为高分五号数据后续的应用提出一些应用建议。（2）本文基于当前融合方法并没有考虑波段相关性对于融合质量的影响,数据间的非重合波段一直没有取得好的融合质量的问题,综合考虑光谱保真度、空间增强和计算效率,提出了一种波段分治框架（BDCF）。首先根据高光谱和多光谱的光谱响应将高光谱波段分为重合波段和非重合波段,然后结合神经网络提出了一种改进的基于成分替换的重合波段融合方法。在此基础上,提出了一种基于映射的神经网络方法来构造原始高光谱数据的重合波段和非重合波段之间复杂的非线性关系,将训练后的网络映射到融合的重合融合波段,以估计不重合的融合波段。模拟数据集和真实数据集的实验结果表明,所提出的BDCF SAM均小于7,并且CC大于0.95,在光谱保真度和清晰的空间细节方面都具有很好的效果,并且与主流融合方法相比获得了比较性的优势。（3）本文针对当前分类器大多仅考虑数据的光谱特征,地物精细识别不足的问题,结合像素级融合算法与特征级融合算法对黄河口以及盐城滨海湿地进行精细分类。实验选用了GF-5和资源一号（ZY-1）02D高光谱数据和S2A多光谱数据,并且黄河口数据集中OA=94.25%,KC=91.34,盐城数据集中OA=93.26%,KC=90.24%,结果表明黄河口湿地植被主要包括芦苇、碱蓬、柽柳,其中黄河两岸主要为芦苇和柽柳,碱蓬主要分布于滨海区域。黄河口地区耕地众多,并且存在大量的养殖池、藕池和坑塘,受人类活动影响区域较广。盐城区域与黄河口区域相比,受人类活动影响的区域更广,整个区域几乎全部被人工地物所覆盖,主要地物有耕地和养殖池。