土地覆盖研究可为全球变化、可持续发展评价及气候模型、生态模型等研究提供重要参数。MODIS具有专门为土地覆盖监测设计的7个波段，无论在光谱分辨率还是空间分辨率都较NOAA-AVI-HRR有很大改善。因此研究MODIS数据的土地覆盖分类对于区域及全球土地覆盖信息提取及更新具有重要意义。 本文按结构分为两部分，第一部分为基于MODIS数据的土地覆盖分类方法研究，以东北地区为研究区域；第二部分通过对全国进行土地覆盖分区，利用LCCS建立中国土地覆盖分类系统，从而为进行全国土地覆盖分类奠定基础。通过研究得出以下结论： (1)Savitzky-Golay平滑滤波法能得到高质量的NDVI时序数据本文采用Savitzky-Golay滤波器对旬合成NDVI数据进行平滑滤波处理，该方法采用NDVI数据的上包络线来拟合NDVI时序数据的变化趋势，根据自然界的实际情况制定一些模拟规则，通过迭代过程得到高质量的NDVI时序数据。 (2)NDVI与LST时序数据土地覆盖分类能满足区域制图利用单纯NDVI时序数据总分类精度为62.74％，对分类结果分析之后，通过添加地表温度LST数据，得到温度/植被指数TVI进行分类。从分类结果看，TVI的分类总精度提高到71.63％。TVI在相同自然条件下能夸大植被之间的区别，而对于具有相似物候特征但生活环境差异明显的类型，则是相当于添加了若干自然条件信息，具有重要的生态学意义。 (3)基于关键物候参数的土地覆盖分类能有效的识别植被类型本项研究目的在于通过提取NDVI时序数据中的关键有效信息提高分类精度。通过分析确定关键指标为：绿叶始期、绿叶木期、NDVI最大值、NDVI最小值、绿叶面积最大值持续时间。利崩Logistic曲线对植被生长及衰落进行模拟。利用提取的关键参数进行分类，分类结果显示该方法能有效的识别植被类型。 (4)FAO LCCS建立中国土地覆盖分类系统LCCS是FAO为了解决数据共享及汇总的问题建立起来的，该系统改变了传统分类系统定义类别的方式，通过分类属性米表示。本文利用LCCS软件，根据MODIS数据特点建立了全国尺度土地覆盖分类系统，包括21个类型。 (5)中国土地覆盖分区本文利用年平均降水量(Pa)、生物温度(BT)、海拔高度(DEM)、多年平均植被指数(NDVI)及湿润指数(IM)五个指标划分土地覆盖均质区域，经过主成分分析发现湿润指数、降水、高程和植被指数是影响覆盖类型分布差异的关键因素。利用前3个主成分采用聚类分析法将中国分为9个土地覆盖区域，每个区域具有相对均一的气候、植被和自然条件。