土地覆盖是用来描述地球表面的自然属性，指地球表面各种生物或物理的覆盖类型。土地覆盖研究为全球变化、土地利用变化监测、可持续发展评价及气候模型、全球和区域碳循环及生态系统模型的预测等研究提供了重要参数。遥感技术宏观、动态、多谱段、多尺度、多时相的扑捉地球表面的覆被状况及其动态变化，节省了大量的人力物力，已经成为目前获取地表覆被信息的主要方式。研究区朝鲜是一个典型的山地国家，森林植被覆盖达80%以上，复杂的地形因素使得朝鲜的土地利用/覆盖信息提取成为难点。朝鲜作为我国的一个重要邻国，其生态环境的变化对我国边境的生态安全有着重要的影响。本文基于以上因素，采用Landsat-TM影像对朝鲜的土地利用/覆盖状况进行分类研究，并选择一个受人类活动影响较明显的典型区，利用线性光谱混合分解技术进行定量化研究，探讨不同尺度下适合的分类技术，并为朝鲜全面系统的土地利用/覆被情况分析、生态安全评价及热点的粮食安全问题提供可靠的数据保证。主要研究成果包括：1.在朝鲜全境的土地覆被分类中，采用了决策树分类方法将研究区分为12个类别。总体精度达到81.5%，显示出了良好的分类精度。2.将决策树分类与最大似然分类做精度比较，最大似然法的总体分类精度为72.7%。最大似然分类的结果中存在较多的错分和漏分现象。说明在大面积的土地覆被分类中，决策树分类法具有传统分类方法无可比拟的优势。3.在鸭绿江两岸缓冲区的土地覆被分类中，通过提取影像中五种类别的端元，对影像中的混合像元进行线性分解。线性光谱混合模型分类精度达到90.1%，kappa系数0.8501。而采用波谱角分类的总体精度只有83.7%，可见像元解混的分类精度高于波谱角的分类精度。在小范围的土地分类中，采用线性光谱模型分解混合像元是提高土地利用/覆被分类精度的有效措施。