信息丰富的遥感技术为土地利用调查、动态监测以及土地资源规划等工作展示了广阔的应用前景。如何提高遥感影像的解译精度，促进遥感技术的实用化，是遥感技术应用中一个比较迫切的问题。本研究采用不同时相的陆地卫星TM／ETM的秋季遥感数据，利用遥感图像处理ERDAS、ENVI软件和地理信息系统ArcGIS等软件，以山西省定襄县为研究对象，进行了土地信息提取与分类及其动态监测的卫星遥感方法研究。在遥感图像处理中，借助于1：5万的地形图采集地面控制点，对遥感数据进行几何精校正配准，提取研究区的图像数据，通过试验获得土地利用遥感处理的最佳波段合成影像为TM453波段分别赋予红绿蓝颜色。图像增强处理除采用低通滤波、去相关拉伸等常规增强方法外，还使用色彩变换和基于亮度与饱和度拉伸的色彩逆变换等方法。以2002年试行的全国土地分类法为基础，结合山西省定襄县土地利用现状，归纳出研究区土地利用分类系统，采用目视解译和计算机自动识别分类两种方法进行遥感土地信息的提取。结果显示：目视解译法充分发挥和利用了人工智能的经验和知识的灵活性，信息提取精度较高，但工作量较大，不适用于大面积范围的使用；计算机自动识别分类方法是在非监督分类基础上执行基于最大似然函数的监督分类的作业方法，最大似然法训练区的选择比较繁琐，需要选出所有可能参加分类地物的训练区，而且因其仅凭光谱特征分类，导致分类精度差。此外，试验了人工神经网络分类法并在冲积平原区取得了不错的分类结果。分类后处理合并面积较小的斑块，并将分类结果矢量化在ArcGIS进行地理信息分析统计处理。土地动态遥感监测采用图像差值法、多时相波段复合法和分类后比较法。图像差值法对河流水面和水浇地的监测效果比较好，但对所有地类监测结果不令人满意，精度较低；多时相波段复合分类法中，变化土地类型训练区的确定较困难；分类后比较法是在前面土地信息准确提取的基础上进行的分析，精度较高，监测结果图也一目了然，是土地利用动态监测的一种有效方法，但它是在自动识别分类基础上进行的比较，传递了分类产生的误差。综上所述，在地形地貌复杂的地区进行遥感土地信息提取及其动态监测，将研究区分割为不同的地貌类型可以减少“同谱异物”影响；经过光谱聚类处理的非监督分类属性表，转化成适用于监督分类的分类模板文件，再执行基于最大似然函数的监督分类的作业方法是较好的分类方法；不同时相间分类结果图相减运算，可以取得精度较高的监测结果。