随着人们对土地的利用改造愈益频繁，土地覆被类型的更新显得尤为重要，它是资源可持续利用中进行科学决策和管理的重要依据。利用遥感技术进行土地利用变化检测是获取土地利用变化信息最经济有效的方法。因而对土地覆被类型的变化检测成为遥感应用的重要内容之一，其中变化检测的准确性和自动化程度是利用遥感技术进行变化检测的两个重难点。　　香蕉作为我国重要水果品种之一，对保障市场供给和增加热区农民收入发挥了重要作用，广西因为盛产香蕉而被誉为“全国香蕉之乡”。然而不合理的产业发展规划会导致香蕉集中上市，主产区价格大幅下滑和严重滞销等问题，因此为了给蕉农提供种植参考依据，防止香蕉价格剧烈波动，确保香蕉产业稳定健康发展，香蕉种植区域的监测显得非常必要。　　本文在MATLAB、IDL等平台的辅助下，综合利用多源多时相遥感数据进行研究区内地物变化检测及香蕉种植区域的识别。为了提高变化检测的精度及效率，并且识别香蕉种植区域，本文针对直接影像变化检测中的关键问题——差异影像构造和最佳阈值确定进行了研究，同时探索综合利用高时间分辨率、中等空间分辨率遥感影像进行香蕉种植区识别的方法，进而达到获得香蕉种植区域变化信息的目的。论文的主要研究内容和结论如下:　　(1)研究差异影像的构造:为了在保留影像有效信息的前提下剔除干扰信息，提出一种基于PCA的CVA法获取差异影像，能够提高变化像元与未变化像元的对比度，益于之后的最佳阈值的获取。其主要过程为对2期影像分别进行PCA变换，取变换后的前3个分量进行CVA分析来构造变化检测差异影像。将本文方法与相关系数法、传统PCA法和CVA法构造的差异影像进行对比，发现传统PCA法由于摈弃的信息较多，表达细节的能力最弱;相关系数法对变化感知最敏感，因而对伪变化抑制效果最弱，噪点过多;本文方法比传统CVA法表达的变化信息更加细化。　　(2)研究最佳阈值的确定:为了高效识别变化区域，本文提出一种基于直方图曲率的局部最小错分概率阈值确定法，主要过程为选择移动窗口大小，对窗口内像元通过直方图峰值分析阈值范围，并以最小错分概率为准则在阈值范围内进行循环运算迭代出最佳阈值。首先对比了基于直方图曲率的最大类间方差法、最小错分概率法和双窗口变步长搜寻阈值这三种全局阈值算法的结果，认为最小错分概率法的识别结果比最大类间方差法更为完整，而较双窗口变步长搜寻阈值法则更为稳定，这是因为双窗口变步长搜寻阈值法需要人机交互，其效果与典型变化区样本的选取有较大关系;第二步则对比了全局最小错分概率法和局部最小错分概率法在不同窗口下的运算结果，发现在窗口适宜的情况下，局部最小错分概率法得到的二值影像更符合应用要求，精度更高，在最适宜窗口大小下变化检测总体精度可以达到91.95％，kappa系数为0.815;　　(3)香蕉种植区域识别:提出一种面向对象的多特征香蕉种植区域识别方法。利用野外采集样点和Google Earth高分辨率影像目视解译样点在多时相HJ星影像上光谱特征（各波段灰度值、NDVI、NDWI）和纹理特征(GLCM)的变化趋势，建立香蕉识别多特征决策树规则集，该规则集可以在进行土地覆盖/利用分类的同时重点识别香蕉种植区域。变化类型分类采用在变化区域内对两个时期影像数据分别进行土地覆盖/利用分类的方法。为了体现香蕉种植区域的变化，变化类型确定的规则集参考香蕉识别多特征决策树规则集。　　(4)完成研究区广西宾阳县2001年到2009年变化检测、2001年土地覆盖类型图及2009年土地覆盖类型图，其中宾阳县变化检测总体精度达到91.95％，kappa系数为0.815;2009年土地覆盖类型图分类结果的总体精度为88.56％，其中香蕉的生产者精度和制图者精度分别为90.48％和86.36％;2009年香蕉种植区域面积误差为8.30％（此数据是与统计数据做比较，由于遥感提取得到的面积是无法剔除间作等种植方式影响的毛面积，而统计数据所得到的结果是完全剔除各方面影响的净面积，这两者之间存在一定差距），表明本文方法在变化检测及香蕉种植区域识别应用中是可行有效的。　　本文采用基于PCA的CVA法和基于直方图曲率的局部最小错分概率方法在一定程度上提高了变化检测的效率和精度，并且提供了一种面向对象的多特征决策树的方法进行香蕉种植区域的识别，为预测香蕉市场行情，帮助蕉农进行种植结构调整提供了可靠依据。