遥感技术可以大范围对震后灾区受灾场景进行观测,持续性地为震后应急响应提供数据支撑。随着遥感大数据时代的到来,震后应急工作对遥感数据的需求也正向着高准确性、精细化的方向发展。《国家地震科技发展规划（2021-2035年）》中明确了到2035年我国地震应急处置科技水平应全面进入国际先进行列的目标,发展基于空天平台的灾情动态获取技术,则是实现这一目标的重要途径之一。针对这一长远目标,本文结合近年来快速发展的人工智能技术,以基于遥感数据的地震极灾区快速评估为切入点,以地震应急的需求为向导,分析制约遥感数据应用的因素,改进、发展并提出了适用于地震极灾区灾情识别的遥感影像智能分析方法和工作流程,完善了震后基于遥感数据快速评估极灾区的工作模式。论文主要完成了以下工作:（1）全面系统地分析了遥感震害损失评估和遥感震害预测方法的发展脉络和最新进展,研究了适用于遥感影像分类和信息提取相关的迁移学习和小样本问题的理论、方法和模型。（2）针对SAR影像震害信息识别,以地震前后影像差异作为对象特征,提出了基于Light GBM方法和海量SAR影像特征的倒塌目标识别,以青海玉树地震为例验证了方法;根据迁移学习理论,将历史震例和新发生的地震分别对应源域和目标域,定义出源地震事件和目标地震事件,通过联合分布自适应方法,成功地将源地震事件的震害提取模型和知识迁移到目标地震事件中,实现了样本和模型的复用;提出基于超像素分割引导和协同训练的方式,解决缺少样本情况下的震后单时相极化SAR数据半监督震害信息提取,提高了分类效率。（3）通过渐进式的方式搭建出了具有域自适应能力的孪生网络变化检测模型,通过日本熊本地震、青海玉树地震、印尼苏门答腊地震的前后的影像模型检验,证明了该模型兼具单体和群体建筑倒塌识别能力,提高了模型鲁棒性和识别结果的规则度。将小样本语义分割方法应用于震后单时相高分辨率光学影像建筑震害的提取工作中,实现了少量样本支撑的震害目标识别工作。（4）发展和完善了基于遥感的地震极灾区范围圈定和损失评估流程。提出灾后通过震前多源遥感数据识别承灾体类型和空间分布,并结合地震行业传统应急方法圈定极灾区范围和评估损失;获取震后影像后再根据震害解译结果,更新损失评估结果和极灾区范围,最终实现震后两段式的遥感地震极灾区损失评估。