土地覆盖变化是全球变化研究及现代地学领域的一个核心和热点问题，在土地覆盖及其变化的研究中，准确、客观的土地覆盖信息是其重要基础和依据。目前，遥感影像是获取土地覆盖信息的主要途径。随着影像空间分辨率的提高，提出了面向对象的遥感影像信息提取方法。面向对象的信息提取是按照影像分割的法则，以任意尺度生成属性信息类似的多边形对象，运用模糊数学方法实现信息的自动提取。该方法能建立与现实世界真正相匹配的地表模型，是遥感影像较为理想的分类方法。　　 本文以南京市为研究区，采用面向对象的方法研究基于2010年中分辨率遥感影像TM和环境一号卫星(HJ-1)CCD影像土地覆盖信息提取。对面向对象信息提取中多尺度分割、对象特征以及规则集的构建进行了探讨和研究。主要研究内容和结论如下:　　 (1)对TM和HJ-1CCD影像进行变处理作为辅助数据。选择灰度曲线回归方程对TM影像进行LBV变换，将TM影像7个波段的信息转化到3维变量以增强图像信息。计算了HJ-1CCD影像的植被指数(NDVI)，建立7个时间点的NDVI序列。　　 (2)采用多尺度分割的方法对TM影像进行分割。采用最佳指示因子对TM影像波段组合和权重设置进行分析，选择最优波段组合为波段1、4、5，权重设置为1。根据面积法分别对每种地物类型的最佳分割尺度进行试验，确定最小分割尺度为10，最大分割尺度为80。草地、耕地、其他类别最佳分割尺度为20，林地最佳分割尺度为20、50，湿地和人工表面均为20、80。　　 (3)分析典型地物对象的光谱特征、NDVI特征、LBV特征、陆表水分指数(LSWI)特征、几何特征，并对每种地物类型特征进行优化选择，建立分类层次和规则集。　　 (4)根据构建的规则集进行南京市土地覆盖信息提取，获得南京市地覆盖信息图。分类结果总体精度为86.06％，Kappa系数为0.83，精度高于基于像元的方法，而且没有“椒盐现象”。结果显示面向对象的方法在TM和HJ-1CCD影像中对土地覆盖信息的提取具有应用前景。