中国不仅是粮食生产大国,还是粮食消费大国,农业在我国国民经济中占有重要地位。然而近年来我国城镇化与工业化的快速发展,使得农业可用水量不断压缩,这对粮食生产安全与水资源优化配置带来了严峻的考验。我国农业用水量占总用水量的60%以上,农田灌溉又占农业用水量的90%左右,而我国目前基于地面站点的农业用水监测方法并不能完全实现农业灌溉用水的全面监测,也不能完全支撑农业水资源精细化管理工作的开展。遥感技术与传统地面监测方法相比,具有覆盖范围广、时效性强、数据客观、效益性高的特点。本文以改善现有农业灌溉面积监测方法为目标,综合不同遥感数据源优势,开展基于多源遥感数据融合实际灌溉面积动态监测方法研究,并取得了以下主要成果:（1）为实现满足一定精度的实际灌溉面积遥感监测,需要定量分析实际灌溉面积监测对光学遥感数据时空分辨率与土壤含水量反演精度的要求。研究通过对单一数据源实际灌溉面积遥感监测误差函数的理论推导,得到了实际灌溉面积遥感监测误差是关于遥感数据获取时间间隔与土壤含水量反演精度的函数。通过假设试验,定量分析了实际灌溉面积监测对遥感数据源时间间隔与土壤含水量精度的需求。通过对GF-1、HJ-1A/B、Landsat-8、MODIS等不同光学遥感数据源的时空覆盖能力和土壤含水量反演精度的评价,并与实际灌溉面积允许误差的理论推导结果进行对比发现,GF-1、HJ-1A/B、Landsat8、MODIS等单一遥感数据源均无法满足实际灌溉面积80%的监测精度,需要开展基于多源遥感数据融合的实际灌溉面积监测研究。（2）为定量评价误差在多源遥感数据融合与实际灌溉面积监测过程中的误差传递,研究基于误差传递原理,进行了多源遥感数据融合实际灌溉面积监测误差的理论推导,得出了基于多源遥感数据融合的实际灌溉面积监测误差的函数表达。监测误差的主要来源包括单一数据源的土壤含水量反演误差,以及融合过程中两种数据源光谱、时相对应关系的匹配误差。研究模拟了不同数据源组合方案、不同误差传递系数条件下的融合土壤含水量变化监测误差,并与实灌面积监测的精度需求进行比较。对比结果表明,GF-1与HJ-1A/1B、Landsat-8做组合时,由于受重访时间间隔的限制,很难满足实灌面积监测的精度要求,而GF-1与MODIS组合则可以在一定误差传递系数条件下满足实际灌溉面积监测的精度要求。为优化基于多源遥感数据融合的实际灌溉面积监测误差函数中的误差传递系数,提升融合数据精度,研究基于STARFM与CDSTARFM模型提出了时相、光谱对应关系函数同时优化的思路。（3）为改善基于多源遥感数据融合的土壤含水量精度,研究基于时相、光谱对应关系函数同时优化的思路,提出了 BPSTARFM融合方法。该方法应用于多源遥感数据融合后,明显改善了多源土壤含水量数据的融合结果,提升了融合土壤含水量数据在实灌面积监测中的理论应用精度。光谱对应关系函数的优化需要高精度动态种植结构数据作为参考,而高精度动态种植结构数据的提取则需要多源遥感数据协同才能实现。本文基于SVM结合可变模糊集方法实现了多源遥感数据协同条件下的高精度动态种植结构提取,解决了不同空间分辨率数据种植结构提取精度的不一致问题。时相对应关系函数的优化需要考虑不同地物类别的光谱变化规律。因此,研究引入BP神经网络,将高空间分辨率遥感数据获取的不同地物类别光谱变化特征作为先验条件,利用BP神经网络能够自动求解不同要素之间复杂的非线性映射关系的优势,实现了光谱、时相对应关系函数同时优化。（4）利用经过BPSTARFM融合的高时空分辨率土壤含水量数据开展了实灌面积监测研究。通过对融合数据的降噪、插补以及土壤含水量陡升阈值选取工作,实现了河北省南部地区2018年作物生长季内的实灌面积监测。基于灌溉记录与真实区域实际灌溉面积样本对实际灌溉面积遥感监测的精度进行了验证。验证结果表明,融合土壤含水量数据能够支撑实际灌溉面积的动态监测,并明显改善了单一数据源用于实际灌溉面积监测的精度。综上所述,本文通过深入分析实际灌溉面积监测与多源遥感数据融合原理,推导了基于多源遥感数据融合的实际灌溉面积监测误差函数,定量分析了实际灌溉面积监测对遥感数据源的时间间隔与土壤含水量精度的需求,提出了时相、光谱对应关系函数同时优化的BPSTARFM融合方法,获取了时间较为连续、精度较高的土壤含水量数据,并成功将其应用于实灌面积监测工作中,为农业实际灌溉面积遥感动态监测提供有效方法。