茶叶在我国有着悠久的历史和文化,现已成为世界上最流行的饮品之一,它集生态效益、经济效益和社会效益于一体。但是,茶树的普遍种植对生态环境安全有一定负面影响,主要是由于茶园大多分布在丘陵山坡,且大都毁林毁草、翻耕整地,会造成水土流失及生物多样性降低,从而带来一系列的生态环境问题。因此,准确研究茶树种植范围对区域经济和生态环境协调发展具有非常重要的科学和实践指导意义。本研究介绍了影像对象和多尺度分割概念,并对用于描述影像对象的光谱特征、几何形状特征及纹理特征等的指标进行了阐述和说明。文章以国产高分一号(GF-1)卫星影像为基础数据,将面向对象和多源数据融合的多层次规则分类方法应用于茶园遥感提取研究。在多层次规则分类中,对不同地物进行了最优分割尺度选择,充分利用多源辅助数据分析不同地类的光谱特征、纹理特征及地形特征,构建茶园提取的知识规则集。同时,选取三种性能良好的分类算法：最大似然法、支持向量机(SVM)及随机森林,在面向对象的基础上进行监督分类,并与多层次规则分类方法的结果进行精度对比分析,在分类研究过程中得到如下主要结论和认识：(1)本文使用的面向对象和多源数据融合的多层次规则分类方法总体分类精度和Kappa系数分别为88.07%和0.85,相较于三种面向对象的监督分类方法(最大似然、支持向量机、随机森林),总体分类精度分别提高了17.67%,13.87%和14.97%,在精度上有较大提升。同时也说明,在地形复杂地区,植被类型容易混淆情况下,基于机器学习的监督分类方法还不能很好的满足分类要求。(2)多层次规则分类方法提取的茶园生产者精度和用户精度分别为88.2%和87.7%,在生产者精度上比最大似然、SVM、随机森林方法分别提高了28.6%、6.5%和17.4%,在用户精度上分别提高了6.5%、12.2%和9.2%,基于面向对象和多源数据融合的多层次规则分类方法对茶园提取效果较好,可以满足分析应用的需求。(3)经过比较分析,面向对象的多层次规则分类方法具有以下优点：①可以在分类的不同阶段和不同地类上灵活使用不同的分类方法,融合各分类方法的优势；②更能发挥对多源和多维数据的深度综合利用,可以处理连续和不连续的变量,利用多源辅助数据获取更全面的知识规则；③对于不同地物,可灵活选择在不同尺度层上进行提取,同一尺度层上多种地物也可选择在最优分割尺度下逐步提取,以获得最佳效果。本文的主要创新点：(1)将面向对象和多源数据融合的多层次规则分类方法应用到茶园遥感提取中,为茶园的遥感监测提供了一个有效的方法。(2)在植被与非植被的模糊分类中引入了基于Gdal的粗糙度(Roughness)特征,取得了较好的效果,为后续茶园的准确提取奠定了基础。(3)面向对象的多层次规则分类充分利用了多源数据的辅助作用来构建知识规则集,并且在不同地物的分类和地物分类的不同阶段,多种分类方法相互使用,相互补充,发挥各自的优势。