高空间分辨率遥感影像为地表监测提供了大量细节信息，也使土地利用/覆盖精细制图研究成为当前遥感领域的研究热点之一。影像接收频度的加快和数据量的急剧增加，为土地利用/覆盖信息提取提出了新的需求与挑战。特别是如何通过自动化地将地理数据转化为时空信息，智能化地快速完成土地利用/覆盖信息提取，形成现势的土地利用/覆盖信息产品快速生产与持续更新能力，是当前高分辨率遥感大规模应用中面临的突出问题。在分析实际应用需求和最新技术发展的基础上，本文以遥感图谱认知方法论为指导，综合多方面现有技术提出了基于知识迁移的高分辨率遥感土地利用/覆盖信息变更方法。从知识迁移的角度出发，提出了遥感信息变更流程中的一系列实用化算法，以期提升现有方法的自动化与智能化水平，一定程度上突破高分数据大规模应用的瓶颈问题。　　本文主要研究内容与结论如下:　　(1)发展了遥感图谱认知方法论。在继承遥感信息图谱理解的基础上，针对数据源极大丰富的现实条件，从迁移学习角度重新阐述了遥感图谱认知流程，通过有效利用已有的参考资料来指导土地利用/覆盖信息变更方法中“影像分割-变化检测-分类更新”等步骤的开展，旨在应用多源知识拓展了遥感图谱认知相关环节的实施水平，提高解译精度和自动化程度。　　(2)提出了图谱先验知识引导下的多尺度分割方法。在均值漂移分割算法的基础上考虑地块图斑的类别先验知识，利用地物空间分布规律及其尺度适应性差异改造分割算法，使得提取的对象更适用于高分辨率遥感影像的多尺度分析需求。实验表明本文方法在一定程度上能解决单尺度分割存在的过分割和欠分割问题，为后续的面向对象分类提供边界精准、视觉合理的地块边界信息。　　(3)提出了历史解译知识支持下的图谱耦合变化检测方法。以遥感对象多特征提取为基础，针对非监督方法设计了历史解译知识指导的图谱特征耦合分析，根据地物空间分布特点实现了多特征的差异融合和在此基础上的变化信息提取，实验表明图谱特征的耦合能有效提高变化检测精度;针对监督方法引入了基于图谱多特征的对象级分类后比较技术，实验表明其能有效监测地类间的动态变化转移，为后续土地利用/覆盖信息变更提供了支持;　　(4)提出了协同变化检测与知识时空迁移的分类更新方法。以自动变更遥感信息为目标，在一般监督分类流程上设计了基于变化检测和知识迁移的对象级训练样本自动选择算法，实现了土地覆盖分类的自动化。实验表明本文方法能初步满足土地覆盖信息的更新需求，为智能化遥感信息解译提供了新的思路。　　(5)将高分遥感土地利用/覆盖信息变更方法应用于示范区土地遥感监测。构建了适用于国产高分卫星数据的信息产品体系，并面向土地覆盖变化生产了实用化的信息产品。具体包括土地覆盖分类和新增建设用地提取等两类应用产品，取得了较高的精度，达到了应用示范要求。　　通过本文研究进一步明确了遥感图谱认知方法论，初步验证了知识迁移在遥感信息解译应用中的可行性，为海量数据的信息快速提取探索了新的道路，对国产高分卫星影像的大规模综合应用也具有较好的示范作用。但从应用需求上来看，本文的许多算法仍有进一步改进余地，在结果验证上也存在不足，尚需在后续研究中进一步提高。