作为最先进的对地观测手段之一,遥感具有连续覆盖的空间和持续成像的时相。使用遥感的手段来进行土地覆盖分类制图已经成为一种重要的土地覆盖类型获取方式。遥感手段在建立不同尺度的土地覆盖数据集方面发挥了重要的作用。本文利用MODIS陆地数据产品,选用2008年全年的500m表面反射率8天合成数据。对数据进行了预处理,包括生成掩膜数据、数据叠合、植被指数数据集生成及基于Savitzky-Golay滤波的Ⅵ时序数据平滑重构,得到的EVI时序数据更能反映植被的季节性变化规律。遥感影像分类算法的设计核心就是解决关于遥感影像“数据—信息(遥感数据—地物信息)”提取、转换的过程。文中在传统分类模型的基础上,分别用两种分类模型：一种基于MODIS-VI时序数列的决策树算法和一种基于SVM的土地覆盖分类方法,并最终实现了分类,进行了精度验证和结果分析。结果表明：1.利用MODIS-EVI数据,通过设定EVI阈值的方式进行决策树分类的方法是可行的。2.与传统分类方式相比,决策树算法减少了计算复杂度,大大提高了分类精度。3.SVM方法相比决策树分类法,精度相当,方法简单,更易于实现,同时,分类时间相对较长。