近些年来我国快速推进城市化的建设,城市化的建设会使城市用地的覆盖类型不断发生变化,其中城市新增的建筑用地是评价城市发展情况的重要指标,而城市的健康平衡发展也离不开生态用地,良好的生态环境是提高人类生活质量和让社会持续发展的重要保障,因此准确地提取新增建筑用地和新增生态用地以及对生态环境的情况进行动态监测,可以帮助国土部门相关的规划人员和管理者进行规划,从而掌握城市整体的发展趋势。传统的环境监测方法往往需要实地考察,这种方法耗费会大量消耗人力、物力并且效率低下,不能对城市发展情况进行实时监测。且大多数基于深度学习实现的变化检测方法只能检测发生变化的区域,不能检测发生变化的类型。基于上述问题,本文基于遥感影像设计了一个城市用地和生态指数变化监测系统,本文的主要工作内容如下:（1）建立了基于遥感影像城市用地的语义分割数据集、变化检测数据集和基于Landsat8用于生态环境监测的数据集。制作语义分割数据集和变化检测数据集的过程包括:选取影像、影像标注和影像裁剪,并同时针对遥感影像可能会存在噪声、不清晰等问题,对两个数据集进行去噪和均衡化的数据预处理。下载的Landsat8数据集,针对消除大气产生的影响和获取感兴趣区域,需要进行辐射定标、大气校正和图像裁剪等数据预处理操作。（2）使用DeepLabv3+语义分割模型作为实现变化检测的基本模型,引入了有密集空洞空间金字塔池化模块,解决了对研究区域发生的大尺度变化以及一些复杂的纹理特征处理不足的问题。采用分类后检测的方法,先对研究区域两个时相的遥感影像进行语义分割,得到像素级分类的结果图,再使用差值法获取新增的建筑用地和生态用地。为了验证改进后的DeepLabv3+模型的效果,与经典模型和改进前的模型进行了语义分割和变化检测的对比实验,实验结果表明,改进后的模型具有较高的准确性。（3）设计并实现了城市用地和生态指数变化监测系统,主要包括了五个功能模块,分别是:用户管理和遥感影像管理模块、遥感影像预处理模块、图像解译模块、变化检测模块和遥感生态可视化模块。该系统可以帮助国土部门相关规划人员,快速直观的监测城市的变化与发展情况,从而进一步分析城市扩张给生态带来的影响,具有较好的实际应用价值。