遥感影像分类可以实时提取土地利用、地表覆盖情况,在环境变化研究中具有重要作用。但是,目前常规遥感信息提取与分类的方法和手段已不能满足现代科学研究依赖于高精度数据的发展要求。尤其是环境研究的重要领域—干旱区,其不同于湿润区的景观格局以及其自身成因的复杂性、地表覆盖的多元性等特点,使干旱区的遥感影像分类更加困难。很多成熟的遥感分类方法甚至一些新的遥感分类方法,在干旱区的应用和优势都受到了一定的限制。因此对适合于干旱区的高精度遥感分类方法的研究,不仅是遥感技术的必然发展方向之一,也是对干旱区、半干旱地区进行遥感影像分析与环境监测特别是LUCC研究和生态景观研究的需要。本文以能够快速进行干旱半干旱地区土地利用/覆盖自动分类并兼具有较高精度为目标,围绕基于遥感影像认知理解的分类过程展开研究。研究区域位于兰州北部甘肃—宁夏—内蒙古三省区的交界地带。此研究,以覆盖研究区的2006年8月22日与2006年9月15日两景影像为基础遥感数据源,通过几何校正与90m-SRTM3的DEM数据严格配准,经辐射定标和大气校正后,与DEM数据、DEM派生的坡度坡向数据一起作为影像分割的图层,同时铁路、公路、河流、水渠专题数据作为专题层也参与影像的多尺度分割。基于遥感影像认知理解的分类方法是从人类目视识别影像出发,利用计算机模拟人脑对影像的认知理解过程,使计算机对遥感影像的识别与分类更加接近于人的思维过程和认识角度。本文首先从目视解译的原理出发,分析了研究区土地利用/覆盖类型在遥感图像上的视觉特征,确定研究区土地利用/覆盖分类方案;其次,为了使认识单元从“单一像元”到“具有实际意义的对象”的转化,进行了遥感影像的多尺度分割研究,包括尺度效应、尺度优化选择以及尺度转换的初步探讨,实现了基于人脑认知理解的第一步。通过不同数量级的数据进行分割结果比较,认为进行大气校正后反射率乘10000之后的数据可以较好体现地物细微差异,分割尺度为15的分割效果最好。同时为弥补大面积相对均匀地物的过度分割即过于破碎,本文又进行了分割参数为200的大尺度分割,以作为超对象所在尺度。然后对分割成的影像对象的光谱特征、纹理特征、形状特征、空间分布特征和近似于人类语言的语义关系特征进行了分析;并构建了类别层次结构;最后在此基础上对研究区进行了遥感影像的模糊分类以及分类结果的评价。通过上述研究,认为:利用eCognition进行大面积复杂的干旱区土地利用/土地覆盖的自动分类是可行的。首先,在类别的划分上取得了明显的成效,分类数目达到21类;其次,在一定程度上解决了常规判读过程中常见的“同物异谱”、“异物同谱”等现象,分类总精度达到89.06%。然而eCognition分类过程是多次人机交互对话试验的结果,特别在干旱区,地表覆盖的混合性使得分层分类形成的类别层次结构比较复杂,特性参数调整比较复杂。此外,研究发现对于同一区域,应用不同的变量建立不同的分类层次结构,结果可能会有细微差别。并且在遥感分类过程中,合理而可靠的辅助数据对分类结果有着重要的影响。本文的研究区域较大,在进行精度评价时,主要对目视解译以及野外考察后地物类别很清楚的区域进行样本随机采集,这种方法在一定程度上可以体现分类结果的好坏,但还是缺乏一定的完善性。因此,样本采集的方式、样本的分布等对精度的影响需要进一步深化研究。同时,分类过程地物的尺度效应机理和新的分割算法成为以后进一步研究探讨的重要方向之一。