传统的基于像元的遥感分类算法对高分辨率遥感数据进行分类，往往难以取得满意的效果。这是因为传统的分类算法主要依靠的是影像所包涵的光谱信息，而高分辨率遥感影像一般只有3～4个波段，尤其是融合所得真彩色影像，只在可见光范围内拥有3个波段，光谱信息相对较弱，即依据不足。事实上，高分辨率遥感影像，如SPOT5、IKONOS和Quickbird等影像数据，还具有极其丰富的空间结构和纹理信息。近年来广受关注的面向对象的遥感分类思想，不仅将光谱信息作为分类依据，同时还将空间结构和纹理信息，甚至包括遥感工作者的目视判读经验和知识一并作为分类依据，改“象素”基本单元为光谱和纹理特征相似的“均质对象”为分类基本单元，大幅度提高了高分辨率遥感自动分类精度与效率。本文以德国eCognition Imaging公司开发的面向对象的分类软件eCognition为工具，将面向对象的分类思想与技术引入景观信息获取领域，通过多尺度影像分割、类层次结构和语义结构创建、分类规则引用等，实现景观生态与景观形态学信息获取。本研究以张家界核心景区为例，采用2.5米空间分辨率的SPOT5融合影像，成功获取了包括森林植被和各种土地利用类型的23类景观生态信息；通过对石峰阴影的精细提取，间接得到了景区内石峰个数、高度及其空间分布信息，为“奇峰三千”之千古传说提供了科学佐证，为景观生态与景观形态学研究提供了新的技术手段。