在20世纪70年代，遥感技术就开始着手应用于湿地研究领域。在反映地表动态变化的过程中，遥感技术给我们提供了多种时相，多个平台，多光谱以及大范围的实时信息。近20年来，关于湿地信息提取方法的研究在国内外得到了很大的发展和应用。在湿地水体提取方法方面，设定阈值法、差值运算法、比值运算法、色度判别法、密度分割法、比率测定算法、谱间关系法以及依据形状信息进行水体识别与分类和基于知识的水体自动判别法和等方法相继提出并得到了应用。在国外，Huang 和 Jensen 利用机器学习方法进行知识规则的产生来进行南卡罗莱纳州萨瓦纳河流域淡水水库的湿地识别研究，并利用 SPOT-XS 光谱特征、纹理特征、土壤属性数据、DEM、空间位置等相关信息，用决策树分类算法进行分类，研究表明，这种方法具有很大的灵活性和算法的强壮性[2]。61596
Harvey 和 Hill 利用 TM 影像、SPOT 影像和航空像片进行了澳大利亚北部热带湿地植被的信息提取实验，通过比较研究，得出了航空像片的精度最高，TM 比 SPOT 分类制图精度高的结论[3]。Dr.sugumaran利用面向对象的遥感分类方法对美国爱荷华州(lowa)湿地进行动态监测，并将研究结果通过网络GIS发布[4]。Shil[5]曾经使用Landsat Mss来提取水体，他通过实验得出使用单波段（近红外波段7）密度分割法和使用波段5、波段7组合的非监督分类法所获得的水体表面积仅仅相差了3%。Barton[6]等运用AVHRR第四个通道所提取的亮度温度来对水体进行识别，而且对洪水进行了二十四小时监测。

在国内，遥感技术在湿地研究中起步相对较晚。近些年，贾永红，李芳芳[7]主要针对多光谱影像数据进行水体信息的提取，结合遥感湿地自身的特点，提出了一种基于湿度分量和水体光谱特征的湿地信息提取方法。李春雷[8]等人应用改进的归一化差异水体指数（MNDVI）和坡度信息并使用决策树类方法对Landsat-7ETM+数据进行水体提取，成功提取了桂林喀斯特地貌地区的水体信息。张倩、李国庆[9]等人基于MODIS数据分别采用了归一化指数法、谱间关系法和自组织神经网络法进行了水体提取的实验研究，在对比分析了三种方法的优缺点后也使用C语言分别对这三种方法进行了试验。梁婕[10]等采取对MODIS3QI数据的NDVI和NIR波段分别设定阈值的方法提取洞庭湖的水面。谢静利用Landsat TM/ETM+影像，建立湿地分类系统，采用面向对象的分类方法，进行三江平原的湿地分类[11] 。吉红霞等以2.5米高分全色波段融合影像使用非监督分类（ISODATA）方法所得水体面积作为基础，得出基于NDWI图像ISODATA方法的提取方法所得到的结果精度最高，基于近红外波段的ISODATA的方法提取的结果精度稍差，而提取NDWI阈值的方法结果精度最差[12]。马鸿旭，郭生练对分别单独采用归一化差分水指数法与归一化差分植被指数法所引发的提取错误和提取缺漏的现象进行分析，对归一化差分植被指数法与归一化差分水指数法的数学形态学进行总结，在此基础上提出了提高水域信息提取精度的改进方法[13]。江健等利用TM遥感影像在对各类地物光谱特征进行分析的基础上，提出分区分类的方法源:自/优尔-·论,文'网·www.youerw.com/，辅助地物形状、斑块面积和纹理特征等，对湿地信息进行遥感提取[14]。杨树文等基于SPOT5影像，以水体的遥感图像本底值研究为基础，通过建设能够同向增强型水体指数和多指标的综合计算模式来实现极化，是以水体的遥感影像本底值研究为基础的。并在这个的基础上利用和改进阈值的自动选取算法，数学形态学滤波和细化算法，实现水体高精度的自动提取[15]。