以往，纯语言（口头或书面）是构建意义的主要途径，也是传统话语分析的主要研究对象。但随着科学技术的进步，人们的交流和互动愈加依赖多媒体技术。在很多时候，图像、声音和颜色等符号资源在意义建构中扮演的角色甚至比语言还重要。自二十世纪九十年代起，除语言以外的其他符号资源在话语意义建构中的作用得到了语言学家们的重视，所以多模态话语分析逐渐在西方发展起来。它颠覆了只以文本为分析对象的传统话语分析，将其他曾被视为副语言的符号资源纳入话语的意义分析范围。在众多关注多模态话语分析的语言学家中，Kress和van Leeuwen于1996年首次提出了以再现意义、互动意义和构图意义为理论核心的视觉语法，为多模态话语分析提供了坚实的理论基础。自多模态话语分析这个话语研究途径被引入中国后，也引起了国内众多学者的重视，张德禄从系统功能语言学的角度出发，为多模态话语分析提供了一个新的理论框架。
　　本论文指出及梳理了张德禄于2009年提出的多模态话语分析综合框架中存在的一些模糊之处，并将其理论与Kress和van Leeuwen的视觉语法理论相结合，整合出了一个较适用于分析宣传片等多模态话语的理论框架，也是本研究的理论基础。本研究采取定性分析和定量分析相结合的研究方法，用以分析北京、上海、天津和重庆四个城市宣传片中的多模态互动意义，并探讨了以下三个问题：第一、通过对“接触”、“社会距离”和“态度”的分析，四部城市宣传片构建了怎样的互动意义？第二、四部城市宣传片在互动意义的实现上有何异同点？第三、四部城市宣传片中展示了哪些中国国家形象以及中国的国家形象在建构互动意义时是如何被塑造的?
　　本研究将理论应用于案例分析中，为多模态话语分析的发展作出了一定贡献。研究发现，宣传片话语涉及图像、颜色、声音等各种表意资源，将其作为多模态话语分析的对象，能对其话语意义有更深入的理解。此外，本研究将重点放在四部城市宣传片的多模态互动意义建构上，并且还探讨了四部城市宣传片在构建互动意义的同时是如何塑造国家形象的。总之，本研究的理论基础和案例分析都使其区别于很多内容讨论全面但不深入的多模态话语研究。