遥感技术已成为快速有效获取农业大棚覆盖信息的重要途径，但遥感影像空间分辨率大小对提取精度的影响具有双重性，选择适宜分辨率影像具有重要意义。以南方农业塑料大棚为研究对象，利用GF-1、GF-2和Sentinel-2形成1～16　m间6个不同空间分辨率影像数据集，基于面向对象影像分析方法（Object-Based　Image　Analysis,OBIA），分别利用面向对象卷积神经网络（Convolutional　Neural　Network,CNN）方法和随机森林（Random　forest,RF）方法开展大棚提取，分析提取精度和不同方法下的差异性。结果表明：(1)CNN和RF方法下，农业大棚的提取精度随着影像分辨率降低总体呈下降趋势，在1～16　m的影像上均能检测到农业大棚；(2)相对于RF方法，CNN方法对影像空间分辨率要求更高，在1～2　m分辨率下，CNN方法有更少的漏提和误提，但在4m及更低分辨率下，RF方法的适用性更高；(3)2　m分辨率影像是大棚信息提取的最佳空间分辨率，可经济有效地实现大棚监测。