湿地生态系统作为地球的三大生态系统之一,具有气候调节、水土保持、净化水质等功能,同时它也是各种珍稀动植物的栖息地,对人类的生产生活具有重大意义,被誉为“地球之肾”。尽管湿地具有重要意义,但全球范围内湿地动态的统计数据显示出持续下降的趋势,因此对湿地监测的科学研究势在必行。遥感技术是监测区域内湿地斑块分布、植被物种分化和生长状态的重要工具。基于遥感和GIS技术的湿地资源调查和土地覆被类型动态监测已成为湿地科学研究与管理不可或缺的手段。本文利用2019年的Sentinel-2B多光谱影像和Sentinel-1A雷达影像,综合多源遥感影像的优势,建立一套适合当地的分类体系,提取多种特征变量,同时运用面向对象的分类方法,对研究区内的湿地信息进行精确提取以及对比研究,为这一地区的多源遥感影像分类研究提供进展,为图们江流域的生态保护和湿地研究提供重要的数据支持。本文主要研究内容和研究结果如下:（1）将Sentinel-2B光学卫星获取的多光谱影像与Sentinel-1A雷达卫星获取的雷达影像作为湿地土地覆被分类研究的基础数据,综合丰富的光谱特征信息和对植被穿透力好且不受天气影响的雷达特征,实现遥感信息的互补。首先在结合实地考察的基础上,建立适合研究区的分类体系,包括林地、森林沼泽、草本沼泽、旱地、水库、建设用地等土地覆被类型。其次通过实验和最佳分割尺度评价工具的计算,确定对象分割参数,结合最优特征变量的筛选,进行光谱特征、几何特征、纹理特征、雷达特征和地形特征的选取。最后运用随机森林分类方法来识别,实现了以对象为处理单元的信息提取,为图们江流域湿地分类研究并综合多源遥感数据的优势提供科学依据。（2）根据对土地覆被分类数据进行统计,总体分类精度为83%,Kappa系数为0.78,这说明研究区的土地分类精度较高,分类结果处于高度的相关性。研究区内主要的土地覆被类型依次是林地、森林沼泽和旱地,共占研究区总面积的94%左右,生产者精度分别为90%、88%和87%,建设用地和水库的生产者精度均达到了92%。整体效果显示,基于面向对象的随机森林分类可以将森林沼泽和草本沼泽很好区分开,地物连续性和完整程度较高。同时根据此次研究表明,雷达数据的极化特征和后向散射系数加入可以改善森林沼泽等地物类型的错分及混分现象,能够更加客观真实的反映地物信息。（3）通过与其他的分类方法相比,基于多源遥感影像的面向对象随机森林分类方法的总体分类精度和Kappa系数更高,地物信息的分类精度更好。在与基于Sentinel-2B影像的面向对象分类精度对比时发现,在缺少雷达影像特征的情况下,仅依靠多光谱影像分类会造成某些土地覆被类型的分类精度降低,例如森林沼泽和草本沼泽等。在与基于Sentinel-2B影像像元的随机森林分类对比时发现,由于是基于像元为分类单元的方法,“椒盐”现象比较严重。而多尺度分割算法生成的对象,是将同类别的像元聚集在一起,既保持像元的基本特征,又有新的空间信息生成,分类精度又有显著的提高。在与基于Landsat-8影像的面向对象随机森林分类对比时发现,此方法分类效果最差,说明遥感数据源的空间分辨率和辐射分辨率对于研究区的分类精度起到至关重要的作用,在某些情况下,可能会比分类方法更能影响分类精度。