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Landsat 8 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。