本课题将面向对象的分类软件eCognition首次应用于江西省土地覆盖信息的提取中，利用自定义函数作为特征空间来辅助土地覆盖信息的提取，输出的矢量分类结果更易于与ArcGIS的结合。在实验区中(江西省新余市)进行Bayes(贝叶斯分类器)、KNN(最近邻分类器)、SVM(支持向量机分类器)、DecisionTree(决策树分类器)四种分类方法的对比，认为面向对象的SVM监督分类方法更适用于江西省的面向对象土地覆盖信息提取。　　 在对2010年土地覆盖信息进行提取时，使用该年度春夏和秋冬期的至少两景影像。将30m分辨率的DEM数据作为分类参考，得到准确度更高的地物边界。在提取被云雾所覆盖区域的土地覆盖信息时，将云雾遮盖区域单独划归成一类对象，再利用其他景不含云的影像从云类型中细分出其他类别，以达到去“云”的目的。在区分湿地信息(湖泊、水库/坑塘、河流等地类信息)时，将对象中此类信息先分为水库/坑塘类型，通过在分类结果中合并这一类型，使连通的同类合并为一个大对象，再从在水库/坑塘类型中细分准确的河流和湖泊类型。使得分类结果的精度更高，提高了土地覆盖信息提取的工作效率。　　 本课题成果对我国土地覆盖信息的提取和遥感信息的分类具有很好的参考价值。