Landsat TM/OLI遥感影像具有时间跨度长、获取方便等优势,在大范围土地利用信息提取方面已成为了主要的数据源。但受Landsat影像分辨率的限制,当地物光谱特征相似或土地覆被类型较为复杂时,单靠传统的计算机自动分类方法很难把分类体系中所有的地类高精度的提取出来。因此,针对每种土地覆被类型,充分挖掘遥感资料信息,综合运用多种地学知识,建立一套完整的地类提取规则集,对高效高精度的提取土地利用信息具有重要的理论和现实意义。本文在国内外已有分类体系的基础上,结合马来西亚半岛海岸带土地覆被的现状特征和地域特征建立了一套海岸带土地覆被分类体系,共包括8个一级类和18个二级类。结合多元地学知识,采用原理与实验相结合的方式,选取合适的特征向量,突出不同土地覆被类型之间的差异并构建相应的地类提取规则,改进了仅在像元尺度上进行统计分析来区分土地覆被类型的方法。其中,在耕地提取方面,基于多时相影像,利用不同耕地类型在不同时期农作物生长状态的差异,有效提取耕地区,并实现了水田和旱地的区分。在水域提取方面,综合光谱、高程、地理位置、形状等特征信息实现了海洋、海涂、湖泊、水库坑塘及河流5个二级类型的区分,解决了仅利用水体指数难以实现水域次级类型信息提取的问题。在植被类型提取方面,有效利用不同植被类型在纹理特征、地形分布特征、光谱反射率特征的差异性,实现了天然林、人工林、次生林、灌丛和草地的区分。在建设用地提取过程中,利用夜间灯光数据,合理设定其阈值以划分城市建设用地和农村居民地区域范围,通过拓扑关系实现城市建设用地与农村居民地的区分,解决了建设用地和未利用地因光谱特征类似而难以区分的问题。实验结果表明,综合时相特征,地形特征,纹理特征,形状特征,拓扑特征和光谱特征等多元信息构建的地类提取规则集在土地覆被二级类型提取方面取得了较好的效果,其总体分类精度达到85%以上,Kappa系数高于0.8,相较最大似然监督分类法其分类精度有了明显的提高,总体分类精度平均提升了 17%,kappa系数平均提高了 0.17。基于构建的知识规则集对马来西亚半岛海岸带1990年和2017年的土地覆被信息进行提取,分别从整体和梯度变化两个方面分析马来西亚半岛东、西部海岸带土地覆被变化的特征和差异性。结果表明,1990-2017年间,西部海岸带天然林减少幅度达31.65%,东部海岸带天然林减少幅度为28.12%。西部海岸带整体的开发水平高于东部海岸带,到2017年,开发用地在西部海岸带的面积占比达到75.74%,在东部海岸带的面积占比为52.54%。此外,以港口为依托,近30年间,西部海岸带的开发区域逐渐向岛内延伸,在距岸线0-50km范围内的开发用地呈现逐渐扩张的趋势。东部海岸带的主要开发区域集中在距岸线0-20km的范围内。本文通过充分挖掘光谱特征以外的多元知识信息,针对海岸带不同地类选取合适的特征指标构造土地覆被分类规则集,拓宽了地类提取的思路,对提高海岸带土地覆被二级分类精度具有重要的研究意义。此外,利用Python和IDL语言进行算法编译,实现了地类的自动化提取,大大提升了工作效率。同时,将知识规则集分类算法应用于马来西亚半岛东、西部海岸带的地类提取中,分析其1990年和2017年的土地覆被类型变化及差异性,为马来西亚半岛海岸带可持续发展政策的制定提供重要的数据支持。