土地信息调查是土地管理中重要的基础工作,是我国土地利用现状数据的有效来源。传统的土地信息调查手段需要耗费大量的人力、物力和财力,且工作效率低下。遥感技术、地理信息系统技术和全球定位系统技术的发展,以及高分辨率卫星影像的出现,为土地信息的调查提供了高效的信息来源。 本文是以泰来县为研究区域,针对其SPOT5遥感数据,对土地信息提取技术进行研究。从控制点数据、重采样方法、正射校正方法等方面对影像预处理进行分析,并在ERDAS软件平台上对原始数据SPOT5遥感影像进行几何校正、辐射校正等预处理。 在对影像的融合技术进行研究的基础上,分析了各种融合方法,提出了融合评价指标。实验采用Mutiplicative变换法、Brovey变换法、PCA变换法和Pansharp变换法,对SPOT5的高分辨率全色波段影像和低分辨率多光谱波段影像进行融合,从定性和定量综合评价融合后影像,具体计算了各特征影像的均值、方差、信息熵、平均梯度和相关系数。 对各非监督分类和监督分类方法进行研究,提出基于多特征的决策树分类法。以Pansharp融合后影像为分类底图,进行波段分析,确定波段组合（光谱特征）；计算影像的归一化植被指数（NDVI）;在ENVI软件平台下,分析了影像纹理特征；应用纸质地形图和ARCGIS软件建立DEM模型,分析地形特征；选出样本数据,应用see5.0建立决策树,提取分类规则,对影像进行分类,最后根据各评价指标对分类精度进行分析。 通过实验研究证明,SPOT5融合后的影像不仅保留了源于多光谱影像的丰富的光谱信息,而且提高了其空间分辨率,大大改善了目视解译的效果和自动分类精度。确定出Pansharp法更适合SPOT5影像融合。针对具有高空间分辨率的SPOT5影像,一般的分类方法已不再适用,分类精度不能满足要求。通过引进决策树思想,并综合光谱特征、植被指数、地形特征、纹理特征等多特征建立决策树,进而依据决策规则分类,最终分类精度有很大提高。