地震活动尤其是中强震的发生,常给人类的生命和生产活动带来破坏性的影响。在发生破坏性的地震之后,迅速获得建筑物的倒塌信息有助于开展震害评估和灾后救援。卫星遥感技术具有覆盖范围广、数据获取速度快、受地面条件限制少等优势,能够为地震后的应急响应提供强有力的支持。为了实现快速准确获取震后建筑物倒塌信息,本文利用云南鲁甸地震后的Pléiades卫星影像数据,通过基于像元和面向对象两种方式下多种分类方法进行震后建筑物倒塌信息的提取。主要的内容如下:（1）分析和收集鲁甸地震相关的多源数据。主要数据采用Pléiades卫星提供的高分辨率全色影像（0.5m）和多光谱影像（2m）,获取时间为2014年8月6日;辅助数据包括:1)Google earth影像数据,空间分辨率0.125m,获取时间分别为2013年3月14日和2014年8月20日;2)ALOS-12.5m DEM;3)地面控制点、地表水系数据等基础地理信息数据;分析Pléiades卫星影像数据,得出其高空间分辨率、高时间分辨率和数据覆盖范围广的特点可以满足震后建筑物倒塌信息提取的数据要求。（2）震后建筑物倒塌信息的提取。在基于像元分类的建筑物信息提取中,经过样本选取后,运用最大似然法、神经网络法、支持向量机法、CART决策树法和随机森林法等五种方法对研究区域的遥感影像进行震后信息提取和分类;在面向对象的建筑物信息提取中,首先进行样本加载和多尺度分割,并通过支持向量机法、CART决策树法和随机森林法等三种方法进行震后信息提取和分类。最终得到两种方式下的八个分类结果。（3）分类后处理和精度评价。通过小斑点处理提高分类精度,制作震后地物信息专题图;利用高分辨率的Google earth影像数据作为参考数据源,进行混淆矩阵的精度评价。评价结果为:在基于像元的分类结果中,最大似然法、神经网络法、支持向量机法、CART决策树法和随机森林法五种方法得到的各类地物的总体精度分别为76.97%、77.05%、78.23%、81.11%和87.04%,五种方法得到的完全倒塌房屋、部分倒塌房屋和未倒塌房屋的平均制图精度分别为61.49%、55.25%、58.45%、66.37%和78.82%,平均用户精度分别为65.86%、58.56%、60.20%、67.60%和79.09%;在面向对象的分类结果中,支持向量机法、CART决策树法和随机森林法三种方法得到的地物分类的总体精度分别为83.92%、88.70%和92.81%,三种方法得到的完全倒塌房屋、部分倒塌房屋和未倒塌房屋的平均制图精度分别为75.28%、83.33%和88.13%,平均用户精度分别为77.88%、80.66%和86.56%。本文的研究表明:（1）Pléiades卫星遥感数据以其高空间分辨率、高时间分辨率、数据覆盖范围广和易获取性的优势特点对震后地物信息提取具有实用意义;（2）面向对象的分类精度高于基于像元的分类精度;（3）多尺度分割和样本选取对分类结果的精度有很大的影响;（4）所有实验方案中,采用面向对象下的随机森林法进行建筑物倒塌信息提取能得到最佳结果。本文的研究思路和结论可为震后建筑物倒塌信息的提取和评价提供一定的方法借鉴和技术参考。