伴随迅速发展的遥感对地观测技术,高分辨率、高光谱、多时相、多平台的遥感影像数据迅猛增长,这些影像数据广泛应用于地学各大领域。多元遥感影像获取方式不尽相同,不同来源的遥感数据在光谱分辨率、辐射分辨率、空间分辨率等方面大不相同,致使不同遥感数据对特定影像处理算法适应性不同。Landsat卫星是目前全世界范围内应用领域最广的民用对地观测卫星,其影像已成为资源环境调查、评价与监测的重要信息源,其携带的OLI和TIRS传感器相比之前的TM和ETM,在波段设计和光谱分辨率进行了重新调整和优化。然而,目前针对Landsat数据适应性分析的研究,特别是对Landsat8影像的融合和分类适应性研究还很少。本文针对Landsat8 OLI数据,选取地类要素较为齐全的陕西省眉县为实验样区,首先对影像进行数据读取、图像增强、辐射定标、重采样、图像裁剪等预处理,然后再对研究区影像波段统计特征分析的基础上,通过OIF因子提取算法,获得最佳波段组合B245；其次,采用主成分(PCA)变换融合算法、色度明度饱和度(HIS)变换融合算法、色彩标准变化算法(Brovey法)、GS变换融合算法、小波融合法(Coiflet、Daubechies、Haar、Symlet)及小波变换与传统方法相结合的方法(Wavelet-PCA法、Wavelet-IHS法)对B245进行融合实验；通过融合影像的光谱分辨率和空间分辨率2个方面进行定性评价；选取标准差、信息熵、清晰度、光谱扭曲度、偏差系数、相关系数等指标,从影像亮度信息、空间信息和光谱信息3方面进行定量评价；最终发现在10种融合方法中,PCA融合法为该区域Landsat8 OLI影像的最佳融合算法。最后,将PCA融合影像利用面向对象分类方法和监督分类中的最大似然法、支持向量机、BP神经网络方法进行分类实验。为了对分类结果进行定量精度分析,本文参考眉县地区的SPOT影像、中科院1：100000土地利用数据,并在选样调查的基础上进行目视解译,将眉县土地利用类型分为耕地、园地、林地、居民地、交通用地、水域、裸地7个类型。通过定性和定量方法评价分类精度,结果表明：总体分类精度均较高,精度由高到低依次为支持向量机>最大似然法>面向对象分类法>神经网络分类法,四种分类算法在不同土地利用类型内部分类精度差异较大。最后,论文在参考国内外研究动态的基础上总结了本研究存在的不足,并对该研究的进一步探索进行了展望。