使用卫星遥感影像数据以及分类技术来提取并分析土地的利用情况,其在农业、生态等领域中得到广泛使用,对许多环境和社会应用的影响也至关重要。当前,土地作物利用分类算法日益增多,精度也随之不断优化和提升,同时遥感数据可用性的提高也带来数字模式分类新技术的发展。但这些多集中于一种或者两三种地物的比较或者单个算法的优化上,对于同一研究区内多种复杂类型地物的研究较少,尤其是新疆南疆地区,其具备我们独特的地理地貌和气候、水文特征。本文以监督分类中常用的四种分类方法为理论和技术用例,结合南疆地区独特的地理地貌和水文特点,探讨新疆南疆地区典型城市的土地利用分类研究,并在不同场景中进行土地利用分类技术的验证和对比,为南疆地区典型城市在土地利用分类提取算法的选择上提供理论参考。本研究以新疆南疆地区的兵团城市一师阿拉尔市为研究区,参照国家土地利用分类标准,并结合实地样本点的野外调查数据,以及数字高程模型、Google Earth、Baidu等卫星参考信息和辅助数据,建立了较为准确的兴趣区域的解译标志和样本库。本项研究在深入探讨土地利用分类提取方法,以及GIS、遥感技术支持下,采用Landsat8遥感影像数据、并结合南疆地理气候以及季节变化情况,从获取到的2020年所有Landsat8影像数据中,选取2020年一师阿拉尔市云量最少,塔里木河水域面积变化最明显、遥感图像效果最佳的两幅丰水期、枯水期的卫星影像。通过调整所选取的分类算法中最佳特征值对遥感数据进行处理,获得了研究区土地利用信息。总体实现上,以2020年Landsat8OLI影像为数据源,对2020年一师阿拉尔市的土地利用情况分别采用最大似然、神经网络、随机森林、以及面向对象四种分类技术,对数据预处理之后的Landsat8普通多光谱(30M)和融合全色波段的多光谱(15M)分辨率的一师阿拉尔市土地利用提取结果分别进行精度验证,探讨了四种常用的土地利用分类方法在南疆独特地形区的适用性,综合情况表明:面向对象和神经网络分别与其它两种方法相比较,神经网络在15m分辨率的情况下获得了更高的分类精度,面向对象在30m分辨率的情况下获得了更高的分类精度。其中,神经网络分类方法对一师阿拉尔市的土地利用分类结果与实际类别吻合最好,其分类总体精度可达86%,其中面积占研究区总面积约50%以上的未利用地、耕地在30m和15m分辨率的情况下,平均分类精度分别达99.95%、90.85%。