近年来随着遥感应用的不断发展,出现了大量不同种类的遥感数据,由此引发的数据集成应用困难、多源数据同化不对应等诸多问题阻碍了遥感学科的发展,而造成这些问题的关键——数据间的尺度差异也成为了研究热点。关于遥感数据的尺度研究一般分为尺度转换与尺度效应两部分,早期的尺度研究大多是基于像元级别的,仅仅考虑了地物的光谱信息而忽略了由像元组成的对象间的空间结构形态特征。并且目前对于面向对象的影像分析大多停留在信息提取阶段,对于提取之后的面向对象遥感数据应用较少。针对这方面研究存在的不足,本文以黑河流域的绿洲区作为研究区域,利用其地面实测数据、高分辨率TM影像数据及中低分辨率的地表特征参量产品(MODIS叶面积指数产品(LAI)与国产FY-3温度日产品(LST)),建立了一种面向对象的尺度转换模型,将地表特征参量的实测数据与不同尺度下的遥感数据有机结合,通过面向对象的信息提取方法建立包含地物类别信息的多尺度层次网络,利用与地表覆盖类型相关的某一中间参数将地表特征参量与影像对象联系起来,实现特征参量的对象化,从而完成面向对象的尺度转换。并利用实验结果通过数据拟合、对比分析,进行以对象为基本单元的尺度效应与不确定性分析,主要研究成果包括:1、本研究采用区域生长算法,通过设置不同分割参数,确定对象最优分割尺度,实现遥感图像的多尺度分割,获得了不同尺度下的对象层次体系。并利用数学模糊分类方法在不同尺度对象层中提取地物信息,实现了面向对象的信息提取和影像分类,完成了本研究过程中的对象生成阶段。根据混淆矩阵得到其Kappa系数为0.7944,整体分类精度为0.8698,取得了较好的面向对象分类结果。2、结合地面实测的点状数据和不同尺度下卫星的面状数据,构建了面向对象的遥感数据尺度转换模型。首先,利用遥感数据获取了中间参数(NDVI与地表比辐射率),并基于中间参数反演地表特征参量(LAI和LST),实现了特征参量的对象化。在LAI的反演过程中,采用两次回归分析实现实测点与卫星面状数据的拟合,使得反演结果与地面实测数据相关性达0.955,提高了卫星数据的反演精度;其次是计算大尺度下的点状数据(MODIS LAI和FY-3 LST)与小尺度下面状影像区域(TM影像)的对应关系,通过对象间合并实现地表特征参量的数据聚合完成面向对象的尺度转换;LAI和LST的尺度转换结果与其大尺度遥感产品相关性分别为0.688和0.380,依据两者结果的差异对面向对象尺度转换方法的普适性及不足进行评价与分析。3、在面向对象的尺度转换过程中,不同分割参数得到的分类结果不同,不同分类结果反演得到的特征参数值分布不同。考虑到在影像分类、尺度转换、几何对应性三个过程中都存在误差及不确定性,本文利用简单的实验过程模型,分析了地物对象在尺度变化前后的不确定性。综上所述,本文通过基于地物类别反演的方式结合面向对象信息提取方法实现了针对地表特征参量的面向对象尺度转换。并根据LAI与LST的尺度转换实验分析了其过程中各阶段尺度效应及转换结果的不确定性,对于实现多源遥感数据同化、遥感产品真实性检验以及普适性的尺度转换方法研究有一定的理论意义。