湿地被称为“地球之肾”,是人类赖以生存的重要生态环境之一,对生物多样性保护、水改造功能乃至气候变化应对等具有重要作用。闽江下游地区具有丰富的湿地资源,是我国重要的湿地分布区。近几十年城市及工业的快速发展导致了闽江下游湿地面积流失严重,因此采用遥感和地理信息系统技术实时监测湿地资源现状是提出减少湿地流失控制举措的重要途径。针对此,本研究以闽江下游地区为研究对象,分别使用研究区内2018年3月份两个时段(3月10日和3月11日)的不同源遥感影像数据:Sentinel-2A数据和Landsat8-OLI数据,拟采用决策树和特征知识结合的面向对象分类技术精准监测湿地资源,有效改善基于像素的传统图像分类方法监测技术所存在的局限性,大幅度提升影像分类精度。本文首先采用Pansharp2融合算法提高Landsat数据的空间分辨率,最终获取研究区内10m、15m以及30m的不同空间分辨率的遥感影像数据。其次,综合采纳研究区内现有的湿地分类体系、高分辨率影像及野外湿地类型考察结果,结合该研究不同影像分辨率数据,制定了适用于本研究数据的湿地分类系统。本研究利用多尺度分割算法对多源多尺度遥感影像进行分割,综合考虑影像对象的色调、形状、紧致度和平滑度,获取适当的参数,利用自上而下的区域合并算法,进行最优尺度分割,获取了研究区内用于分类的最佳影像对象。针对获取的最佳分割对象,结合野外调查的代表性湿地类型样本,分层分尺度建立湿地分类提取特征知识库的提取顺序,有效改善分类过程中其它土地类型干扰。此外,通过分析利用影像中各湿地类型典型的空间关系特征。最后通过CART决策树分类器对分析获取的特征知识集进行筛选,最终建立研究区内湿地提取的分类规则集。本研究利用易康软件导入分类规则集,通过对比不同源影像分类的结果精度,确定影像空间分辨率的精度是决定影像提取精度的重要因素,高空间分辨率数据可有效提升湿地分类精度,其中10m Sentinel-2A影像的分类总精度为89%,Kappa系数为0.87;15m的Landsat8-OLI影像的总精度为84.08%,Kappa系数为0.80;30m的Landsat8-OLI影像的总精度为82%,Kappa系数为0.79。本研究结合介入空间特征指数分析,发现分类后影像对象湿地类型的空间复杂程度与影像空间分辨率关系密切,影像空间分辨率越高,代表斑块复杂程度的指数越高,湿地提取更为精细;反之,则因受较多混合像元影响导致低分辨率的影像,其地类提取边界较为模糊。