以中山陵风景区2006年的QuickBird影像为数据,将面向对象的分类思想与技术引入信息获取领域,通过多尺度影像分割方法获取研究区的各类地物后,在分析不同地物的光谱、形状、纹理等信息及植被指数的基础上,构建了针对研究区特点的特征空间和类层次结构,基于模糊技术分类规则等,实现中山陵风景区信息获取。在分类的基础上,利用CASA模型估算中山陵风景区植被的净初级生产力。本文主要研究内容如下:1.利用面向对象方法对中山陵风景区进行信息的提取,灵活地运用高分辨率影像的光谱信息,几何信息,空间信息,通过设置成员函数构建分类规则。本文利用的特征信息主要包括:光谱信息、纹理信息、几何信息、等空间位置信息,大大提高了分类提取精度,得到的分类结果图也比较整齐,说明面向对象方法在高分辨率遥感影像的信息提取方面具有适用性2.选用相对合适的分割尺度对图像进行分割,然后分析不同分割尺度下生成的对象的大小与形态。根据目视判别结合提取目的确定最适宜的分割尺度及参数。采用多级分割的方法,先将影像大尺度分割,分成植被、水体、不可渗透的表面(建筑和道路)、阴影(植被阴影和建筑阴影)几大类,然后再对植被和植被阴影用掩膜法单独提取出来,用小的分割尺度对其进行了进一步小尺度分割,分类为农田、竹林、针叶林、阔叶林、针阔混交林。多尺度分割利用区域合并算法生成对象,根据提取目的分层提取地物,与人的解译模式相似,可以有效地避免不同地物类型之间的混杂,对提高分类精度有很大的帮助。3.基于光能利用率原理,在CASA模型的基础上,利用QuickBird数据作为遥感数据输入源,建立了研究区净初级生产力的估算模型。实现了中山陵风景区植被净初级生产力的估算,并对分类后的几种植被的NPP值进行了初步估算与比较。