耕地数量及质量是决定农业生产、农业资源利用及农业政策制定的重要基础信息。高精度的耕地空间分布、多层面的耕地利用格局及变化特征、动态的耕地质量状况及变化规律对农情监测、田间管理和粮食安全都有着重大的意义。遥感技术因其大范围、高时效的优势,已广泛应用于耕地分布制图、耕地利用格局分析及耕地质量时空变化监测的研究中,但在耕地制图方法选取、耕地利用格局指标体系构建及耕地质量指标动态变化获取上仍然存在一些问题与挑战。本研究以中国及湖北省为研究区,采用多源遥感数据、气象及地形数据、耕地及土壤样本数据、农业统计数据,围绕耕地数量及质量开展大区域时空变化遥感监测方法研究。在耕地数量研究的基础上深入进行耕地质量研究,并对两者之间的关系进行综合分析。本论文主要研究内容与结论如下:(1)多源遥感数据融合耕地制图。基于地理加权回归模型(GWR)和优化模糊一致性打分法(MFAS),采用七套地表覆盖遥感数据集进行中国区域的耕地融合制图。从训练样本数量、输入遥感数据集质量和地形地貌三方面设置不同情景组合,分析不同数据融合方法的优缺点和区域适宜性,提出融合算法选择策略并得到中国最优耕地分布图。研究结果表明,训练样本数量、输入耕地遥感数据集质量和地形地貌是决定多源遥感数据融合算法精度的三大主要影响因素。方法的选择取决于输入数据、景观地形和应用目的。训练样本数量大小是决定GWR融合精度是否高于MFAS融合精度的关键。MFAS方法对于输入耕地遥感数据集的质量和地形地貌变化更为敏感。从生产用于全球经济、生物物理和其他土地利用模型的全球或区域大尺度耕地分布图这一角度而言,MFAS是最优的选择。从生产高精度大尺度耕地比例图及分布图这一角度而言,GWR是最优的选择。(2)多层面耕地利用格局指标体系构建及时空变化分析。基于空间分辨率30米的GlobeLand30数据,计算耕地空间分布及变化、耕地面积及变化、耕地类型转移变化、耕地集约化程度及变化、耕地景观格局及变化等一系列指标。建立多层面高精度的中国耕地利用格局及变化指标体系,系统全面认识中国耕地及其变化情况。研究结果表明,2000-2010年,中国耕地面积减少且伴随着破碎化加重的趋势。现有的耕地保护政策并没有有效缓解这一问题。城市化为耕地流失且破碎的第一大原因,“退耕还林”为耕地流失的第二大原因。与耕地面积和破碎度上出现的消极状态相比,中国的耕地利用集约化程度有了积极而显著的提升。(3)基于机器学习的耕地质量时空变化遥感监测方法研究。选取土壤有机质(SOM)作为耕地质量指标的代表进行方法探索。利用时序MOD09A1数据、气象及地形数据,计算MODIS地表反射率和植被指数的年平均值和最大值、坡度、坡向和地形湿度指数。利用四种机器学习算法预测湖北省多年耕地SOM空间分布并分析其时空变化规律。实现耕地质量指标的动态遥感提取。并分析湖北省耕地数量及质量时空变化之间的关系。研究结果表明,MODIS数据的地表反射率和植被指数是SOM含量预测的关键因素。梯度提升回归树模型对于湖北省的耕地SOM含量空间分布预测效果最佳。湖北省耕地SOM含量“南高北低”,2000-2017年SOM含量总体呈现略微增长。鄂北大量SOM含量较低的土地在近18年间被开垦为耕地,而鄂东地区的优质耕地由于土地利用变化(如城市化)的影响而流失。