目前,利用遥感手段获得土地覆盖信息已成为土地利用／土地覆盖变化(Land use and land cover change,简称LUCC)研究的主要内容之一。而利用遥感手段获得土地覆盖信息的一个重要环节就是分类。遥感技术(Remote Sensing,简称RS)作为一种信息时代的产物和工具,具有周期短、信息量大、获取效率高等显著优势,并能反映动态变化,受地面条件限制少、手段丰富、收益大,因此备受研究学者的青睐。目前,随着遥感平台的多样化和图像分辨率的提高,以及计算机技术的迅速发展,遥感技术在区域性土地覆盖类型调查、定量提取土地覆盖信息方面发挥着至关重要的作用。近年来,随着人工神经网络理论的发展,神经网络技术日益成为遥感图像土地覆盖分类处理的一个重要手段,分类精度比传统的分类方法要高,而且应用范围也更加广泛。本文以ENVI遥感处理软件为平台,采用BP人工神经网络分类方法,结合分层分类的思想和纹理特征分析的方法,利用SPOT5遥感影像,对湖北省汉川市进行土地覆盖分类研究,对提高分类精度具有重要的意义。论文共分为五个部分：第一部分为绪论,介绍了论文的研究背景、研究目的和意义以及国内外的研究现状,并对现有的土地覆盖分类方法进行了分析,对本文土地覆盖分类所采用的BP人工神经网络方法的结构设计、参数选择等进行了研究。第二部分为遥感影像分类理论的研究。文章主要介绍了遥感图像分类原理,以及本文土地覆盖分类所涉及到的理论：分层分类思想、纹理特征分析方法、BP人工神经网络理论,并重点介绍了BP神经网络的特征、结构和算法等,为下文打下了坚实的理论基础。第三部分概述了研究区的地理位置、自然条件、社会经济条件等基本情况。第四部分阐述了研究区数据收集及处理的情况。文章以ENVI软件为平台,通过图像增强、图像融合等方法对湖北省汉川市第二次农村土地调查下发的SPOT5遥感影像进行预处理,扩大图像特征之间的差别,提高对图像的解译和分析能力,以便更准确的确定训练区,提高分类精度,为下一步的遥感图像分类做准备。第五部分既是本文的重点又是本文的核心部分。在这一章节中,首先对土地覆盖分类体系及分类的解译标志进行了研究,确定了本文的土地覆盖分类的种类。其次利用分层分类的思想,采用掩膜技术将水体从原始影像中提取出来。然后通过计算灰度共生矩阵从SPOT影像中提取纹理特征并对纹理特征进行了筛选,将对分类有用的纹理特征信息添加到已经掩摸屏蔽掉水体的影像图中。最后依据研究目的和影像特征,准确设计了BP网络结构和设置网络训练并在加入纹理特征信息的遥感图像上进行BP神经网络分类。这种将提取的纹理信息与多光谱图像本身的光谱信息相结合进行分类的方法,有利于提高分类精度。最后,通过混淆矩阵对分类结果进行了精度评价。结果表明：BP神经网络分类法是一种有效的土地覆盖分类方法,与传统方法相比,有更好的自学习和自适应能力,能够达到提高分类精度的目的。第六部分为结论与展望。根据以上分析得出研究的结论,提出本文的创新点：(1)充分利用遥感处理软件,在对不同地物的空间上的大小、形状和光谱特征等进行分析的基础上,应用国际上先进的BP人工神经网络分类方法对湖北省汉川市SPOT5遥感影像进行土地覆盖分类,有利于提高分类精度。(2)在利用BP人工神经网络进行土地覆盖分类的过程中,在利用分层分类思想的基础上,通过计算遥感影像的灰度共生矩阵对纹理特征信息进行筛选,丰富了遥感影像的波段信息,有利于提高分类精度。