甲烷(CH4)是重要的温室气体，稻田生态系统是CH4的主要排放源之一。我国是水稻生产大国，准确估计我国稻田CH4排放量对于评价区域乃至全球稻田对大气CH4浓度的贡献，制定最佳减排措施具有重要意义。及时、准确地获取各类稻田面积是保证区域稻田生态系统CH4排放量估算准确性的前提。冬季淹水稻田（冬水田），作为一种重要的稻田类型，广泛分布于我国南部地区，是CH4排放量最大的一类稻田，其面积比例也是估算稻田CH4排放的必要参数，而目前该数据的严重缺乏是我国稻田CH4排放量估算不确定性的重要来源之一。针对传统方法难以获取冬水田面积的问题，本文基于EOS-MODIS和Landsat系列卫星数据，提出了一系列中国稻田及冬水田空间分布的提取方法及流程，并以此作为基础数据对中国稻田CH4排放量进行了模拟，以期为编制国家稻田CH4排放清单及制定减排措施提供依据。主要研究内容和结果概述如下:　　首先，设计了基于单植被指数和自动阈值分割的方法，并基于MODIS的8天反射率合成产品提取了2012年全国21个主要水稻种植省份的水稻种植面积，并采用区域地面调查及与统计年鉴对照，对分类结果进行了验证。结果表明，在江苏、湖南、四川三省水稻分类总体精度均超过了76％，Kappa系数高于0.5，分类效果较为理想。线性回归分析结果显示，三种水稻种植系统下MODIS数据估算结果与农业统计数据均总体保持一致。其中，晚稻的决定系数(R2=0.90)高于早稻(R2=0.41)和单季稻(R2=0.78)。单季稻、早稻和晚稻在省级尺度的估算结果均方根误差(RMSE)分别为399.12千公顷，378.80千公顷和322.65千公顷。　　其次，为了识别淹水稻田，针对Landsat8陆地成像仪(OLI)大气表观反射率数据(TOA)进行了缨帽变换(TCT)系数推导。然后结合地面调查数据，以同步的湿度指数(TCTW)和温度植被干旱指数(TVDI)数据为回归量，利用广义回归神经网络算法对土壤体积含水量（θv）进行回归建模。精度分析结果显示，缨帽变换后的不同地物覆盖类型具有良好的可分性，模拟误差明显小于现有变换系数。所提出的反演方法所得到土壤体积含水量的估算值与实测值相关系数达到0.78，均方根误差仅为7.83％，估算精度优于单独使用TCTW或者TVDI指数建模预测。　　接着，选择覆盖中国南部9省主要水稻种植区的18个影像覆盖区域2013年12月份至2014年2月份期间的时序Landsat影像（3～5景），使用上述方法进行土壤含水量遥感反演，并以中国土壤饱和含水量空间分布数据为阈值，利用水稻空间分布数据对其进行掩膜，从而提取出在多景重叠图像中均超过饱和含水量的区域，即为冬水田。经验证，该方法对淹水稻田的提取精度达到83.33％。分别计算其所占稻田面积的比例，同一个省则取平均值代表该省冬水田分布的总体比例，进而得到9个省的冬水田面积，根据本研究的计算结果，中国冬水田总面积为2446.66千公顷。　　将上述得到的稻田面积和冬水田所占面积的比例，带入IPCC统计模型，对全国稻田CH4排放量进行了估算，并分别将基于卫星遥感数据以及统计年鉴或经验性假定数据的CH4排放量估算值与卫星观测值计算出的CH4排放量进行比较。结果显示，各参数组合下的模型估算值与卫星观测值分布格局相对一致，但总体高于卫星观测值，其中基于遥感数据的估算结果与卫星观测值最为接近。模拟的单季稻的CH4年排放量的高值区主要位于黑龙江、江苏和四川;双季早稻在江西和广西;双季晚稻在江西、湖南和广西;而稻田CH4排放总量的高值区也主要分布在江西、湖南和广西，排放量的空间分布格局基本与各省相应的水稻种植面积一致。2012年我国大陆水稻生长季稻田甲烷排放总量为6.06Tg，其中单季稻排放3.22Tg，双季早稻1.22Tg、双季晚稻1.62Tg。而冬水田广泛分布的南部9个省的水稻种植面积占全国的54.7％，CH4排放量却占到全国总量的61.5％，冬水田排干措施下的减排潜力达到0.62Tg，占全国稻田总排放量的10.29％。因此具有较大的减排潜力。