土地是我国的重要资源,是国家经济发展的基础。真实准确的土地利用信息是合理开发利用土地资源的主要依据,而快速、精确的获取土地利用信息,对于及时规划和管理国土资源具有重要的意义。伴随着快速发展的遥感影像技术,遥感影像被越来越广泛的应用到土地信息的提取,但随着城镇化的不断发展,建筑物数量增加,地物类型也越来越复杂,遥感影像分类技术的发展并没有显著的提高土地利用分类精度,因此从单一的遥感数据源转移到多源遥感数据源的融合。高光谱数据具有丰富的光谱信息以及波段数量多等特点,能够提取比较复杂的土地利用信息,而机载LiDAR数据具有独特的高精度三维空间信息,但其缺乏光谱信息,因此提取高光谱数据中的主成分分析、最小噪声分离变换、灰度共生矩阵、归一化植被指数、归一化建筑用地指数以及机载LiDAR数据的归一化数字表面模型、强度进行参数融合,从而获得比较准确的土地利用信息。近年来面向对象的分类方法则在一定程度上能够克服基于像素分类方法的“椒盐效应”,对提升土地利用信息遥感分类精度具有重要作用,同时分析运用面向对象阈值分类法和传统监督分类法得到的分类结果。因此,本文以甘肃-张掖市部分区域作为研究区,结合高光谱数据和机载LiDAR数据的特点,进行数据融合提取土地利用信息,主要创新点和结论如下:(1)基于eCognition软件中的最邻近分类法,将高光谱数据变换分析得到的参数与机载LiDAR数据的参数进行融合,为了避免偶然性,对所有参数的融合进行了最邻近分类,分类结果表明:高光谱数据与机载LiDAR数据融合后的分类结果比单用高光谱数据的分类效果显著,其中所有参数融合中,分类效果最理想的是高光谱数据主成分分析参数与机载LiDAR数据的高程信息参数、强度信息参数的融合,总体分类精度为92.06%,比仅用高光谱数据的总体分类精度提高了7.93%。其他不同参数融合的分类效果的总体分类精度虽然略低,但分析单个地物的分类精度发现,不同的参数融合的单个地物类型的分类精度各有不同,故针对不同的单个地物提取的需求,可利用不同的参数融合来获得最佳分类效果。(2)针对高光谱数据参数与机载LiDAR数据参数融合的结果,分别利用面向对象最邻近分类方法,以及与面向对象最邻近分类法相似的传统监督分类法、同样基于对象进行分类的面向对象阈值分类法进行评价比较。得出以下结论:针对高光谱数据参数与机载LiDAR数据参数融合,面向对象最邻近分类法的土地利用信息提取效果最佳,总体分类精度比监督分类的最大似然法提高了8.56%,比面向对象的阈值分类法的分类精度提高了5.66%,而且各种地物的分类精度也都有所提高。其中在传统的监督分类结果中,很多建筑物和道路因两者的材料相似,光谱特征相似性很强,由此产生了“同谱异物”现象,建筑物的边缘被误分到道路。这与利用高光谱数据和机载LiDAR数据融合后,采用面向对象最邻近分类法的分类结果形成对比,最邻近分类法有效避免了建筑物误分,并且面向对象最邻近分类法过程中选取了特征值作为分类依据,比传统监督分类更精确。另外,在面向对象阈值分类法中通过设着阈值消除建筑物影像的效果显著,因此,可通过设置某个阈值进行单个地物的提取,但也会使得分类过程在设置阈值时比较繁琐,对于提取大面积的地物类型不占优势,适用于单个地物类型的需求。(3)本文着重研究高光谱数据参数与机载LiDAR数据参数融合的方法,以及针对高光谱数据与机载LiDAR数据的参数融合结果,分别分析面向对象的最邻近分类法、阈值分类法和监督分类法的局限性和各自的优势,通过各种参数融合寻求最佳的土地利用信息提取效果。同时研究发现针对建筑物阴影比较严重区域可先通过阈值分类中设置阈值去除阴影,再进行相关研究。因此,本文充分利用高光谱数据与机载LiDAR数据的优势,对综合运用多种遥感影像信息,提高土地利用信息提取精度方面具有一定的现实意义。