随着人类社会活动对地球环境影响的增大,地球环境变化愈加剧烈。地球环境变化的表象之一就是地表覆盖类型变化。人类社会与地表覆盖类型相互影响,因此进行地表覆盖分类研究显得尤为重要。关于地表覆盖分类的研究有很多,但是使用星载激光测高数据来进行地表覆盖分类和变化发现/监测的研究较少。本文对星载激光测高数据及其特点进行梳理和总结后认为,全波形星载激光测高数据在地表覆盖分类应用中的优势在于,不仅能得到地表的高程信息还能得到属性信息,对同一覆盖类型可以进行高度变化监测,将地表覆盖类型变化监测从二维平面扩展为三维空间信息获取,因此使用星载激光测高数据进行地表覆盖分类研究可以更好的体现出地表覆盖物在三维空间中的变化。本文的主要研究内容及贡献如下:(1)利用ICESat/GLAS(Ice、Cloud and land Elevation Satellite/Geosciences Laser Altimeter System)数据及CDF(Cumulative Distribution Function)曲线匹配算法在北京市范围内进行了地表覆盖分类研究,整个研究分为四部分,并将地表覆盖类型分为裸地、植被、水体和建筑物四类。第一部分为样本训练;第二部分研究为实现已有算法在本区域内的地表覆盖分类,分类准确率为0.67,Kappa系数为0.415;第三部分研究为探究地形对分类效果的影响,在去除地形影响因素后,分类准确率为0.81,Kappa系数为0.58;第四部分研究为针对分类类型特点对已有算法进行改进,本文在之前两个研究的基础上提出了结合反射能量及波峰数的CDF曲线改进算法,改进后的算法准确率为0.9,Kappa系数为0.767,分类准确率较已有算法有明显提升。并对改进算法的错误分类原因进行了进一步的分析,认为改进后算法的部分错误分类是由于验证数据与实验数据在时间序列上的不一致性导致的。(2)在南极洲中国罗斯海新站附近区域对本文算法的适应性进行了分析,由于南极分类数据的不宜获取及时间耦合性上的差异导致未对本文方法的分类准确率进行验证。但利用GLAS数据在南极区域拥有较多重叠光斑的特点进行了地表覆盖分类和高程变化监测研究,将覆盖物类型与覆盖物高程信息相结合,对研究区地物类型变化进行了逐年的分析,并将分析结果与其他学者的研究结果相比较,验证了星载激光测高数据在地表覆盖分类监测邻域的应用潜力。