本文以浙江省小梅地区SPOT5遥感影像为数据源，以eCognition软件为操作平台，开展面向对象的分割分类试验及应用研究，通过对不同参数的分割方案结果进行评价，获得最优分割结果作为小班边界提取基础；对分割后的影像进行面向对象分类，提取地类属性，通过与传统基于像素的最大似然法分类结果进行比较，得出面向对象分类可以取得较高的分类精度，在此基础上根据两期影像分类结果分析研究区林地动态变化情况及林地变化趋势；以获得的2009年二类调查数据为基础，参考小班边界提取和地类属性提取结果，根据林地落界技术要求，对林地边界进行修正，生成落界成果。根据落界成果对研究区林地保护利用现状进行分析，在此基础上制定林地保护利用规划。具体研究内容如下：（1）对研究区SPOT5数据进行预处理，主要包括几何校正、数据裁剪和数据融合等操作，对数据融合分别采用HIS、PCA、Gram-schmidt和Pan四种方法，对融合结果采用标准差()、信息熵(EN)、平均梯度(g)、相关系数C、偏差指数wi、光谱扭曲度(D)等指标进行评价，综合目视评价和指标计算结果，确定Pan融合为研究区最佳融合方法。（2）运用eCognition软件进行多尺度分割试验，设计不同参数的分割方案，在目视评估基础上，选择尺度80，90，100的各方案分割结果进行客观评价，以现有的二类调查小班界限为基础，结合目视判读确定参考对象，根据UMA准则和相似度准则，对评价对象圆度RO、紧致度CO、形状指数SI、周长相对误差RP、面积相对误差RA和中心位置绝对位移DC等指标进行计算，最终得到波段权重1:1:1:1、形状因子0.2、紧致度因子0.5、分割尺度80的分割结果最适合作为研究区小班边界提取基础，通过后期手动修改，可将其用作外业调查工作手图。（3）对分割后影像进行面向对象分类，根据研究区实际地类情况，将林地划分为竹林地和其他林地，将非林地划分为水域、农业用地、建筑用地和未利用地，最终分类结果总体精度达到90.80%，Kappa系数0.88，与传统最大似然分类结果相比，分类总体精度提高5.8%，Kappa系数提高0.08，因此采用面向对象分类方法对研究区两期影像进行分类。将两期影像面向对象分类结果用于林地动态变化的研究，对各林地和非林地类别变化状况进行统计，结果表明：研究区林地面积有所下降，总面积减少41.89ha，其中竹林地面积增加28.94ha，其他林地面积减少70.83ha，减少的林地面积主要向农业用地和未利用地进行转移。（4）以小梅镇2009年森林资源二类调查数据为基础，根据林地落界技术规程和要求，参考小班边界自动提取和地类属性提取结果，进行林地落界。根据最终生成的林地落界成果，对小梅镇林地保护利用现状进行分析，在此基础上制定林地保护利用规划。