进行土地覆盖分类是进行国土资源调查、规划及动态监测的基础，也是研究其环境效应、生态安全及其对全球变化影响的有效手段，意义十分重大。高光谱遥感影像中每个像元近乎连续的窄波段包含了丰富的表征地物生物理化特性的光谱信息，使得基于特征光谱信息的目标地物遥感识别成为可能。通过在决策树的不同节点上选择不同的遥感数据和适宜的数据分析方法可以清晰、逐级分层次地把所研究的目标一一区分、识别出来。本文以江苏宜兴试验区为例，探讨了利用决策树方法进行高光谱遥感土地覆盖分类的流程和方法；分析了试验区典型地物的波谱特性；总结了常用反射率反演方法，并根据具体情况选择经验线性法进行了实验；提出了反射率反演后波谱曲线上存在的锯齿状现象的消除方法；通过特征提取与选择研究与实验，传统分类方法(最大似然、最小距离、光谱角制图等)对比实验及分析，挖掘出了适宜于试验区决策树分类模型构建的特征、方法及参数；最后进行了分步决策树分类实验和与传统分类方法的精度对比分析。试验区研究表明，分区分层决策树综合分类方法在高光谱遥感影像土地覆盖分类中具有可操作性和较高的精度保证。