采用遥感分类技术监测土地利用,可以比较准确、快速地分析出土地利用情况,掌握真实的土地基础数据,为经济社会发展、土地宏观调控及国土资源管理提供依据。但是,当前传统遥感分类方法存在诸多弊端,不仅导致分类精度降低,而且会造成空间数据大量冗余、资源浪费,探索新的遥感分类技术显得十分重要。面向对象遥感分类方法,以光谱和纹理特征相似的“均质对象”为基本分类单元,改变了传统的以像素为基本分类单元的思想,大幅度提高了高分辨率遥感影像自动分类的精度与效率,因而成为遥感图像分类研究的热点。本文采用SPOT卫星的HRV图像数据,选择武定北部的金沙江河谷样区和迪庆高原样区作为研究区,探讨了面向对象遥感分类技术方法与其在土地利用分类中的实际应用特点。其主要研究内容与结果是:(1)面向对象的遥感图像分类技术在处理影像时以对象(不同大小的区域)作为分类的基本单元,有效地避免了由于高分辨率影像中同种地物光谱特征变异较大而引起的分类“椒盐”现象,同时充分利用了各个对象的光谱、空间、上下文关系可以有效地提高影像的分类精度。(2)采用面向对象的分类技术进行土地利用分类的关键是图像分割和影像对象分类。图像分割就是指把图像分成各具特性的区域并提取出感兴趣区的技术和过程,是由图像处理到图像分析的关键步骤,在图像工程中占据重要的位置。影像对象分类是利用影像对象的属性信息建立样本训练区,实现类别信息的提取的过程。(3)DEM的生成、坐标系的转换、遥感数据正射校正处理、影像融合、彩色合成、直方图均衡化等数据预处理,对面向对象遥感分类的精度有重要影响,应该尽可能保证各环节达到一定的准确性。面向对象的分类技术在土地利用分类应用时,主要包括土地利用分类系确定、面向对象的影像分类、遥感影像特征分析、具体分类过程(包括分类策略的选择、多尺度分割、分类层次的建立、影像对象信息的提取、精度评价、图像分类后处理及制图等)。(4)通过两个案例研究表明,将面向对象分类方法运用于土地资源调查中,实现了分类过程的自动化,分类结果接近真实地物,其分类精度(武定88.67%,迪庆86.13%)远大于传统分类方法的精度(武定61.88%,迪庆62.57%),能够满足精度要求,并可有效节省时间、减少工作量,是土地利用分类较有效的方法。