土地利用与土地覆盖变化与全球气候变化、生物多样性的减少、生态环境的演变、生态安全以及人与环境之间的可持续性等问题密切相关。土地利用＼覆盖的分布研究,特别是其中的耕地的遥感提取与变化监测又更具有特殊的社会价值和研究意义。如何更快,更准确的提取区域性的耕地等土地利用/覆盖分布面积一直是遥感应用研究的重要部分。遥感影像的传感器种类众多,遥感影像分辨率既有1km的大尺度影像,又有亚米级的高分辨率影像。然而大尺度的影像一般都面临精度的问题,而高分辨率影像又多面临尺度的不足的弱点。如何利用不同的遥感影像在土地利用履盖研究中取得尺度和精度双重优势,依然需要深入的探讨。新型遥感数据源的产生给土地利用履盖研究带来新的机遇和挑战,如何充分利用新型的遥感数据进行研究,也被众人所关注。因此,本文以提取耕地这一土地利用类型为例,利用尺度转换的思想,提出基于误差统计的多尺度转换提高大尺度遥感影像解译精度的方法和基于植被指数进行尺度转换计算大尺度遥感影像耕地面积的方法,然后分别利用这两种方法对同一研究区的耕地进行提取并且对两种方法进行比较和评价。基于误差统计的方法：首先划定苏北平原地区为均值区,进而以中分辨率成像光谱仪(MODIS)和中巴资源卫星(CBERS)影像为数据,以抽样统计的方法分别计算了三种尺度之间的耕地面积的系数,然后逐层推进得出大尺度影像MODIS与地面真实耕地面积的统计系数,修正MODIS影像的解译面积。同时,试验了以NDVI为基础的多尺度转换方法：使用数理统计对中尺度和大尺度NDVI的尺度关系进行研究,拟合NDVI和耕地面积的关系,基于以上研究对CBERS-02B HR和CCD以及MODIS影像这三个尺度之间耕地面积的转换进行建模。最后,对两种方法的结果进行比较和优缺点评述。主要得出了以下结果：(1)基于误差统计的多尺度转换方法和基于NDVI尺度转换的方法,两种方法都可以有效的提高MODIS影像的耕地面积的解译精度,同时两种耕地面积的提取方法中,前者在适用性上优于后者。(2)本文研究区中,高分辨率影像与空间分辨率为19.5m中尺度CCD影像两个尺度之间,耕地解译面积的误差大约20%,这些误差的主要原因是耕地相邻的水渠、沟壑、田间小路,以及田埂所造成的混合像元。(3) MODIS像元区域内CBERS-02B的NDVI的均值与MOIDS像元的NDVI存在极为显著的相关性。拟合模型：y=0.8614x-0.13,相关系数达到0.98,拟合的线性模型可以用于NDVI的尺度转换。(4)在均值区内,选定时相的MODIS像元相对应CBERS-02B区域的NDVI与耕地像元百分比有显著相关性,两种遥感信息的定量模型：y=4.6526x2-0.9886x-0.0122。(5) (CBERS-02B) HR与CCD融合方法中,相比较与Brovey变换,HSV变换,Gram-Schmidt (GS)变换法,以及主成份变化方法,SFIM方法在操作的简便性及空间信息和光谱信息的保持上具有最好的表现。文章最后论述了两种提取方法的优点及存在的问题,并对此提出了改进的建议。