了解区域土地利用/土地覆盖的现状及变化是制定区域发展规划的必要条件。遥感影像能够快速获取地球表面信息,已成为区域土地利用/土地覆盖调查的主要手段。同时,提高土地利用/土地覆盖遥感调查的精度和效率也一直是遥感研究的热点。老挝北部山区的大多数地方目前的农业生产还是比较原始的刀耕火种方式,即森林砍伐——农业耕种——土地撂荒——植被生长这种循环方式,长期以来,这种方式的环境效应一直备受争议,被认为是热带地区毁林的主要原因。为了更好地协调农业生产与森林保护,需要准确监测这些区域的土地利用现状及变化情况,为合理利用资源提供决策依据。论文以老挝北部丰塞县为研究区域,利用多时相的Landsat卫星遥感数据进行土地利用/土地覆盖遥感调查与变化分析,主要研究工作及取得的研究成果如下:1)针对已有软件在遥感图像分类中存在的不足,利用Python编程语言针对性地开发了一系列能在ArcGIS Desktop平台上运行的工具软件,包括快速产生精度分析报告、不同分类特征组合的批处理分类、不同训练样本组合的批处理分类、基于机器学习的决策树生成与分类等,提高了土地利用/土地覆盖遥感调查的工作效率。2)对最大似然法、支持向量机、决策树三种分类方法及同种方法不同参数得出的分类结果进行了比较分析,发现对相同的分类特征和样本像元,支持向量机和决策树分类结果的精度要高于最大似然法;在最大似然法中,不同的分类特征及训练样本对分类结果会有一定影响,其中不同分类特征分类结果的Kappa系数最大相差0.05,分类特征数和分类精度并不是完全正相关;对训练样本不重复随机去除一定比例的样本,产生多个训练样本集合,发现在训练样本数量不是很多的情况下,分类结果还是有较大随机性,特别是对数量比较少的类型,计算出的面积比例会有较大差异;在支持向量机分类中,不同的惩罚系数也会对分类结果的精度产生一定影响;在决策树分类中,比较了人为方式构建的决策树和基于机器学习方法构建的决策树两者之间产生的分类结果精度,显示基于机器学习方法构建的决策树产生的分类结果精度要高于人为方式构建的决策树的分类精度,而决策树的最大深度过大或过小也会影响分类精度。3)通过遥感调查获得了丰塞县三个时相(1992年、2000年和2016年)的土地利用/土地覆盖分类数据,并进行了分析,发现研究区域三个时相各类型土地利用/土地覆盖面积结构的变化不是很大,面积比例最高的是林地,三年的面积比例分别为89.94%、89.78%和90.58%,其次是疏林草地,三年的面积比例分别为6.14%、5.67%和4.96%,农业用地的比例在3%左右,居民地和水域的面积很少,也没有什么变化,合计比例1.5%左右。但从分布上看有很大变化,三个时相均为林地的面积约占研究区域总面积77%左右,占2016年林地面积的85%,即有15%的林地不是原生林(考虑到本研究两个时相的时间间隔较长,实际比例应该更高);而三个时相均为农业用地的几乎为0,即在这个时期里所有农业用地都是从其它用地转换过来的。