随着IKOONOS、QuickBird的普及以及WorldView-1的出现,高空间分辨率影像成为研究土地利用、覆被变化的最主要数据源。高空间分辨率具有海量的空间信息,清晰地纹理信息,传统的分类方法不能有效地提取这些里面的空间信息。基于象元的传统分类方法在分类中会出现胡椒盐现象,出现无效图斑,不能保证分类精度。人们将影像分割技术应用到土地利用覆被分类、地物信息提取之中发展成为今天的面向对象分类方法。面向对象分类以对像为基本处理单位,通过尺度、形状/颜色、紧致度/光滑度等参数界定对象,并在分割的基础上进行分类。面向对象的专业软件Definiens提供了很多种分割算法,包括四叉树分割、棋盘分割等,其中最普及的是多尺度分割。但是,在多尺度分割里的尺度参数选择一直困扰着学者们,有学者进行了这方面的探索,建立了最大面积法等准则,但是其太复杂,因此更多的研究者更乐意通过目视选择自己认为的最优尺度。本文作者通过建立同质性指数和异质性指数,对实验区选择了四个层次的尺度,并建立了包括道路、河流、有林地、旱地、水浇地、房屋、灾毁地、阴影、丛树、荒草地、临时篷房在内的土地利用覆被系统,在分割的基础上,选择最邻近分类法及模糊分类法进行特征的选择,最后得到Kappa系数0.79的结果,分析原因在于植被、河流因为较好的光谱或几何特征容易被划分,而房屋因为光谱紊乱而没有得到很好的分类。