本文以湟水流域为研究样区，从复杂地形区的土地利用信息提取入手，针对中等分辨率的 Landsat8 OLI影像特点，探讨基于面向对象方法土地利用/土地覆被信息提取技术，寻求一种可服务于复杂地形区的快速的、较高精度的提取土地利用信息方法。主要研究结论如下：　　（1）面向对象的分类方法具有分类精度高、速度快、操作简单等优点。综合所选择影像全局及各待提取地物类型的特点，找到最优分割尺度，可减小噪声的影响并有效的避免了传统基于像元分类方法中“椒盐现象”的产生。其基本处理单元是分割后所形成的多边形对象，综合考虑了影像中地物的形状、纹理等特征，使分类的结果更加客观。　　（2）湟水流域地形复杂，通过地理分区的方式将整个研究区划分为不同的子区域，分区域提取土地利用信息。根据各个子区域地理要素及空间分布的差异性建立各自的分类层次，为每个分类层次设定合适的分割尺度，并根据待提取地物类型的特征确定分类规则。结果表明，通过地理分区的方式更有助于研究区土地利用信息的提取。　　（3）本文对湟水流域土地利用信息提取所选用的OLI影像的最佳波段选择及组合展开了相关探讨，通过单波段信息量统计方法、多波段相关性统计方法及OIF指数所确定的OLI影像最佳波段，可有效地减少影像各波段间的信息冗余，最终确定B4、B5、B6波段为最佳的波段选择；综合考虑OLI影像B4、B5、B6自身的特点，采用波段B5、B6、B4分别赋予RGB的非标准假彩色合成方案，试验结果表明，该合成方案较优，对研究区的各土地利用类型的区分度较高。　　（4）本文利用多尺度分割技术生成多个影像对象层，并根据待提取地物的特点从不同层次上分别进行提取，最终确定对不同类型土地利用信息在三个分类层次上提取，通过反复试验对比，为每一分类层设定一个最优的分割尺度。采用面向对象方法的土地利用信息进行提取，精度较高。其中川水区总体分类精度为84.83％，Kappa系数为0.83；浅山区总体分类精度为86.60%，Kappa系数为0.84；脑山区总体分类精度为88.33%，Kappa系数为0.86。　　（5）采用基于像元的支持向量机方法对研究区土地利用信息进行提取，结果表明：川水区总体分类精度为77.56%，Kappa系数为0.74；浅山区总体分类精度为81.05%，Kappa系数为0.78；浅山区总体分类精度为81.05%，Kappa系数为0.78。各地理分区的提取精度均明显低于面向对象的分类方法，但可以满足分类要求。　　（6）对比两种分类方法的提取结果可以看出，面向对象的遥感影像分类方法大大提高了分类的效率和精度，对中等分辨率OLI影像来说，该分类方法有着较大的优势。面向对象的分类方法可以根据影像自身的特征和待提取目标的特点，通过计算和统计典型影像对象的光谱、形状、纹理以及自定义特征来确定各类地物的分类特征，充分利用对象的各种特征及不同层次间类和对象的各种关系，还可以引入与待提取地类提取有关的专题数据，如NDVI、NDBI、MNDWI、DEM、Slope等。特别是在地形复杂的研究样区，根据地类的分布特征引入相关的辅助数据层，使得分类更为灵活，同时可进一步提高提取的精度。