大尺度作物面积遥感调查能够及时、可靠、全面地提供区域和国家尺度上作物面积信息，对国家和区域的农业生产管理、农产品贸易及粮食安全预警有重要意义。我国传统的农业统计通过按行政单元逐级统计汇总和农调队抽样统计两种渠道统计作物面积，在数据获取过程中受人为因素的干扰，影响调查结果的可靠性。但目前的作物面积遥感监测多数采用全覆盖或典型地区调查的方法，对于国家级的作物面积遥感调查，全面普查的方法在时间和经费方面是不可行的，而以典型区域代替总体的调查方法缺乏科学依据。美国和欧盟都已采用遥感和抽样调查技术相结合监测作物面积，中国也需要研究适于自身特点的大尺度作物面积遥感抽样调查方法。 本文以自然科学基金课题“大尺度农作物种植面积空间统计方法与可靠性研究”(30471009)和农业部全国水稻面积遥感监测运行课题为支撑。结合中国地区差异大、种植制度复杂、作物面积年际变化大与欧美不同的特点，研究了适于中国特点的大尺度作物面积遥感抽样调查方法，应用于农业部遥感中心农情遥感监测运行系统。本项研究主要成果如下： (1)研究了基于背景数据的全国水稻面积遥感分层抽样方法。我国早稻种植面积虽然逐年减少，但仍分布在原来的水田地块中。本研究以背景数据库中的水田分布作为抽样调查的总体，以1:5万地形图国际标准分幅为抽样单元编制抽样框，采用累计平方根法分层，在95％的抽样精度下，按照比例分配法计算抽样比，通过多源遥感数据和地面调查相结合调查样本单元的早稻种植面积，在95％的置信度下，计算全国早稻种植面积变化率。该方法从2004年起应用于农业部全国水稻种植面积遥感调查，为大尺度作物面积遥感监测提供了科学的技术方法。 (2)设计了以国际标准分幅地形图为抽样单元的抽样框。在对作物面积遥感抽样调查的技术方法进行理论探讨的基础上，设计了以1:5万地形图国际标准分幅为抽样单元的抽样框。该抽样框抽样单元命名有国家统一标准，位置和范围是固定的，有利于下一步用遥感监测的方法调查样本单元作物面积信息。克服了以行政单元和遥感影像范围为抽样框所存在的抽样单元大小不同和覆盖范围重叠的问题，对其它目标的遥感抽样调查有指导意义。 (3)以MODIS图像为例，设计了基于知识的步进模型识别提取我国东北区(黑龙江、吉林、辽宁)水田面积。应用植被状态指数VCI、归一化植被指数NDVI、增强型植被指数EVI和陆地表面水分指数LSWI，结合农学和地学知识，分析水田波谱特性，建立目标识别的知识库，设计了基于知识的步进模型(StepwiseRemovalMethod，SRM)，逐步去除云、永久水体、林地和草地对水田的影响而完成水田的识别提取。与TM图像目视解译结果比较，精度达到91％。该模型实现了水田面积自动提取，提高了大尺度作物面积遥感监测的速度和效率。其设计思路也可用于其它遥感图像的地物识别提取，具有普遍性。 (4)研究了基于MODIS图像的水稻面积遥感二重抽样方法。我国东北区水稻种植面积逐年增加，背景数据库中的水田分布不能准确地反映当年水田分布状况。本研究利用MODIS图像的多时相、覆盖范围广及免费获取的优势，设计了二重抽样方法对我国东北区水稻种植面积进行遥感调查。为缺少土地利用背景数据地区的作物面积遥感监测提供了科学、可行的技术方案。其特点是，第一重抽样是利用MODIS图像对区域水稻种植状况进行全覆盖初步调查，掌握当年水田分布信息，确定调查的总体，并对抽样单元分层，确定每层的权重，为下一步的分层抽样提供依据。第二重抽样按分层抽样形式，利用TM图像抽取较少的样本，对总体数量特征做出分层估计，得到东北区水稻种植面积变化率。