遥感是一门新兴的科学技术，同时它也是一门集数学、地学、计算机科学和技术等多学科的综合学科。遥感图像分类技术是遥感技术的核心内容之一，随着遥感技术的应用日趋广泛和深化，利用遥感图像分类技术获得土地利用信息是其中的热门研究领域之一。特别是在大规模土地利用调查中，利用遥感技术及时掌握土地利用的情况及其变化信息，是进行土地利用总体规划、基本农田保护、土地利用用途管制等土地管理工作的必要条件。最初，利用遥感图像分类技术获取土地利用信息完全依靠人工目视解译。近二十年来，计算机遥感图像分类技术已取得了越来越广泛的应用，它是计算机模式识别技术在遥感领域中的具体应用，其核心任务就是确定不同地物类别间的判别界面和判别准则，可重复性好，定位准确，处理时间短，时效性好。然而，遥感影像数据类别多，含混度大，维数高，高精度的多类别分类识别具有较大难度。随着计算机软件水平的提高，遥感图像分类系统可以处理的资料也由单一遥感资料处理向多种遥感资料处理方向发展，可以接受和支持的图像格式也日趋多样化，处理技术逐步定量化、智能化。本文以地物电磁波反射特征作为信息分类提取的理论前提，以数字图像处理作为专题信息增强的手段，人机交互处理达到提取研究区土地利用分类的目的。这是本文进行土地利用分类研究所采用的思路。地物波谱特征的研究是遥感应用研究的物理基础，也是遥感土地利用分类的前提。大量有关土地利用的研究表明，同种土地利用类型都具有相同或相似的波谱曲线，同时不同的土地利用类型又具有不同的波谱特征。水域在TM1、2、3波段有较低的反射率，在TM4以后的波段上，反射率几近为零；受盐碱、泥沙等影响的水域则各个波段出现较高的反射率。这对于研究土地盐碱化是很有裨益的。植被在TM4、5、7波段有较高的反射率，在TM1、2、3波段反射率很低，在遥感图像上较易识别出来。由于是2月份成像的，在波谱特征上，水田与水体不易区分；但水田在TM4波段有较高反射率，区别于水体；且水田的几何分布是很有规律的。旱地在TM1-4波段反射率较高，在TM5、7波段，反射率逐渐降低，在TM7、4、2合成图像上，呈米黄色，且有规则的几何外形，也较易区分。由于是枯草季节，草地的波谱特征与黄沙近似，只是反射率较黄沙低；在图像上，草地呈大面积连续分布，有时与林地、旱地、盐碱地等间杂分布，使得草地的区分较为困难；在TM4、3、2合成图像上，呈青色。这些土地利用类型的波谱特征为进行土地利用分类提供了波谱理论基础。 <WP=76>传统的计算机分类方法是基于像元波谱统计特征的硬分类，不容易解决同物异谱、混合像元等问题，常出现错分、漏分，分类结果具有一定的模糊性或不确定性。一般情况下，传统分类方法对土地利用信息分类的精度远远达不到建立土地利用数据库的要求，而采用神经网络算法进行遥感数字图像分类，可以在一定程度上消除传统的遥感影像分类所带来的模糊性和不确定性；同时，由于B-P神经网络具有自学习、自适应功能，它能最大限度地利用已知类别的遥感图像样本集的先验知识，自动提取“合理的”识别规则。而且由于它具有容错性能力，个别训练样本的分量偏差对网络输出的影响很小；与其它的图像分类法相比，该方法不仅适应性强，精度也高。另外，BP神经网络具有联想能力，若训练集中的遥感图像有代表性，那么求解这些样本的“合理”规则很可能就是求解原问题的“一般”规则。于是，若把不属于训练集的遥感图像输入到训练完毕的“规则”中，那么从网络所获得的输出很可能就是该图像的正确分类。遥感技术的发展使海量遥感数据存储和利用成为人们关注的焦点，如何有效地管理和使用这些数据成为一个很紧迫的问题。本文在对甘旗卡地区的土地利用情况进行了BP人工神经网络分类的基础上，同时又总结前人对土地利用数据库的研究，建立了甘旗卡地区土地利用数据库。数据库中收集了各种典型的土地利用类型的波谱曲线，各种土地利用情况的相关数据，以及矢量化的甘旗卡地区土地利用专题图，为研究甘旗卡地区的土地利用分布状况及变化趋势提供了一条便捷的途径。数据库采用的是目前通用的ODBC接口技术，在Visual C++ 6.0环境下完成。数据库除具有通常的录入、修改、删除、查询等基本功能外，还具有典型地类波谱曲线显示、土地利用专题图像显示、土地利用变化趋势分析等功能。总之，根据研究区内土地利用类型的电磁波谱特性，灵活运用图像数字处理可以在增强土地利用信息的同时压抑干扰信息。在论文中，作者采用各种增强方法来突出研究区内土地利用信息。在对土地利用信息进行增强的基础上，采用BP神经网络方法较好地实现了对土地利用信息的分类提取；并建立甘旗卡地区土地利用数据库。在本文里，采用改进的BP神经网络方法成功地实现了研究区土地利用分类；对分类结果的精度进行分析；并建立研究区土地利用数据库，有效的管理和使用海量的遥感数据。