水稻是我国的主要粮食作物,全国水稻年产量占世界产量的一半以上,在粮食安全中占有极其重要的地位。从统计、监查、核实对比层面,对水稻种植面积进行调查统计,以监测水稻种植面积变化情况,为水稻估产、水稻安全状况、水稻种植政策制定提供决策支撑。然而人工实地勘测调查获取水稻种植面积的变化情况耗费大量的人力物力,具有较高的生产成本,耗费时间较长,难以适应信息现势性需求。通过遥感监测水稻种植面积具有客观性、时效性、经济性等优势。本文以辽宁省沈阳市为研究区域,Landsat8 OLI遥感影像为基本数据,分别对4年9期影像运用基于像元和基于对象的分类方法,对研究区水稻种植信息提取,并通过分类后再比较的方法对水稻进行动态变化监测。本文主要研究内容和成果如下:(1)研究区遥感影像预处理。首先将研究区数据辐射定标,将DN值转化为地球表面地物反射率、地表温度等参数;再对待配准影像和参考影像进行配准消除或减少几何形变;采用NNDiffuse Pan Sharpening融合方法提高影像的空间分辨率同时对色彩、纹理和光谱信息进行保留;最后进行相对辐射校正将辐射亮度的差异反映出不同时相中地物的变化。其中配准和相对辐射校正对变化检测结果的影响最大。(2)遥感影像可分离性分析。利用水稻的关键生长期数据,在研究区Landsat8数据选取特征点作为训练样本;将1.78米分辨率的历史影像作为真实感兴趣区,提取出验证样本;并以地形特征、东北地区物候数据、植被覆盖度(NDVI指数)等为辅助数据,提取水体、林地、建筑物、水稻、玉米、裸地6种关键地物,并进行光谱分析和关键地物的可分离性分析。(3)沈阳市水稻信息提取。分别对基于像素(非监督分类、监督分类)和基于对象(基于规则的面向对象、基于样本的面向对象)两类不同的方法进行水稻分类,再分别从分类原理、分类过程、分类结果等方面进行分析,最后通过混淆矩阵比较不同分类方法的空间分类精度,得出最佳的分类方法,提取水稻种植信息。(4)水稻遥感估测面积和统计数据的对比。利用ENVI中的Statistic(统计)工具,计算得出沈阳市水稻的像元总数,统计出4年中水稻的种植面积并将其与沈阳市统计局的数据进行对比,分析出水稻面积估测的精度。(5)对水稻种植面积的动态监测研究。将2013年和2016年影像数据经过面向对象处理后,分别运用直接比较法和先分类后比较法研究水稻的动态变化情况,最终得到研究区水稻作物分布图、近4年水稻种植面积变化统计表、土地利用转移图和土地利用转移矩阵,从像素、百分比和面积等方面得出水稻种植的动态变化。通过不同分类方法的空间精度比较,得出面向对象分类的结果精度最高,总分类精度达到95.4%,Kappa系数达到0.94。选取该方法应用到近4年的水稻种植面积统计中,得出2016年的遥感估测结果与统计局公布的真实值最为接近,达到了 91.60%以上。