在气候变化和人类活动双重影响下,青藏高原生态系统的结构和功能发生了显著的变化,草地退化、荒漠化加剧、冰川退缩等土地利用/土地覆被问题日益突出,对高原生态安全屏障功能产生了不同程度的影响。由于整个高原面积辽阔,内部自然条件和资源利用方式差异较大,各区承载的主要生态功能及其面临的环境问题与原因也不尽相同,因此有迫切需要认识和把握青藏高原关键区域的土地利用/土地覆被概况。目前,有关青藏高原土地利用/土地覆被的研究多集中在受人类活动影响大的城市地区,以及中东部生态脆弱区,如三江源、柴达木等地区,而羌塘高原作为青藏高原腹地分布最为广泛、生物区系最为独特、生态功能最为重要的高寒草地生态系统,是生态环境极为脆弱的典型区域,开展的研究却相对较少。这与羌塘高原地区道路通达性差,环境、气候条件恶劣等自然条件有关,采用常规的大范围的野外实地调查对土地覆被的研究比较困难,耗时耗力且成本昂贵,导致目前对该区域的科学考察较少。该地区已有的研究多集中在单一的土地覆被类型,如草地、荒漠、湿地等,对于羌塘高原地区完整土地覆被的研究还缺乏相关成果。同时很多土地覆被分类系统简单或不适合该地区的特殊自然情况,其分类系统也有待进一步研究。因此有必要对该地区开展土地覆被分类和制图研究,这对充分认知其区域特征和地区差异具有重要的科学意义。本文通过前期在羌塘高原开展5次(2012年~2016年)野外调研工作,积累了足够的样本数据(共计6185个土地覆被样点数据)。在对羌塘高原的整体概况充分熟悉之后,通过综合比较分析,进一步选取改则县城所在的卫星轨道号143/37Landsat 8遥感影像地区作为典型地段,(该区域有610个土地覆被样点数据,且不同覆被类型样点比较完整),进行土地覆被遥感信息提取。同时,参考已有研究资料制定了适当的分类系统。以Landsat 8遥感影像为基础,采用最大似然分类、IsoData分类、神经网络分类、支持向量机、基于改进的C5.0决策树分类和面向对象分类等方法进行土地覆被分类,并对分类结果进行精度评价分析。论文所得结论主要为:(1)通过多年的野外调研和查阅该地区的相关文献资料,以国家土地分类标准为前提,充分考虑羌塘高原特殊的地理位置、寒冷干旱的气候条件和脆弱的生态系统等现实情况,并以建群植物的生活型和群落生态外貌为主要依据划定植被型,制定了高寒草地、高寒草甸、稀疏植被、高寒荒漠、水体和裸地6个一级类,针茅草原、固沙草草原、苔草草原、嵩草草甸、稀疏植被、小半灌木荒漠、垫状驼绒藜荒漠、湖泊、河流、沼泽、冰川及常年积雪、裸地和盐碱地等13个二级类的土地覆被分类系统。(2)通过对比不同时相各覆被类型2016年MODIS-NDVI时间序列数据,选取各覆被类型光谱差别最大的时相作为遥感信息提取最佳时相,本文选取2016年6月的遥感影像作为最终分类的影像。在此影像基础上,利用野外样本点对遥感影像的特征变量进行统计分析,特征变量包括7个原始波段,主成分分析前3个成分、独立主成分分析前3个成分和缨帽变换前3个分量等,NDVI、EVI、NDWI、MNDWI、NDSI、SAVI等植被指数,反演的地表温度数据等。(3)通过对典型地段进行多种分类方法的土地覆被遥感信息提取可知,基于改进的C5.0决策树分类法效果最好,总体精度为77.52%,Kappa系数为0.75,明显优于其他传统的监督分类和非监督分类方法。通过人工选取特征变量组合和C5.0算法对训练样本自动生成分类规则,可从多种特征变量组合中快速选取最佳的特征变量组合并制定分类规则,显著提高了分类效率。而面向对象分类法在该地区效果一般,总体精度为68.92%,Kappa系数为0.62,这与高寒地区特殊的气候条件、稀疏的植被类型等所造成的地表地物类型在纹理等方面的差异性降低有关。(4)根据研究目的不同或提取的土地覆被类型的差异因地制宜地选择分类方法。当以制图精度为依据选择分类方法时,神经网络分类法对高寒草地提取精度最高,支持向量机对裸地的提取精度最高,其他类型的提取选择决策树分类法;神经网络分类法对针茅草原的提取精度最高,最大似然分类法对湖泊、河流和冰川及常年积雪的提取精度最高;面向对象分类法对沼泽的提取精度最高,其他类型的提取选择决策树分类法。