本研究利用面向对象多尺度分类方法进行研究,并将多尺度分类法与面向对象中的阈值分类和最近邻分类相结合,并将这两种分类方法的分类结果精度进行对比,选出较好的分类方法。其中最优分割尺度的确定方法还面临很多问题,比如不具有普适性且易受主观性影响等。此外,研究发现,分割参数的设置对分割结果影响很大,而通过阅读已有文献,大多根据经验设置参数,理论依据不明确,且易受主观因素影响,因此本文利用分割评价函数对多尺度分割参数进行研究。利用分割评价函数法选择最优分割参数。分割评价函数是检验分割效果的重要标准,利用分割尺度、形状指数和紧致度三个参数在不同水平下的组合得到的分割评价函数值来评价分割效果的好坏。本文在已有的分割评价函数的基础上进行改进,并对加入面积权重因子是否对参数选择产生影响进行研究。基于统计分析的方法,利用方差分析和相关性分析法研究四种分割评价函数与分割参数的关系。随机选取Landsat和高分一号(GF-1)影像数据各10景作为实验样本,探讨三个参数对分割结果的影响,实验结果表明:(1)分割尺度对分割结果的影响最大,形状指数次之,紧致度最小;(2)形状指数取值趋向于0.1,紧致度指数趋向于0.9时,分割效果较好;(3)加入面积权重因子可以提高分割评价函数的稳定性;(4)改进的方法操作步骤简单,且与现有的方法相关性显著,因此适宜作为评价的标准;(5)经过对比分析发现,本研究选取的两种分辨率不同的影像数据源未对参数的选择产生显著影响。分类方法的选择是根据最优分割尺度函数模型法选择最优分割尺度,利用多尺度分类法分别与最近邻分类和阈值分类法相结合,确定最优的分类方法。本研究以西藏米林县典型区的Landsat-8 OLI影像为数据源,首先确定最优分割尺度,并且提出基于多尺度分类精度kappa系数的最优分割尺度函数模型法,利用该方法选择多尺度分类水平,利用多尺度分类分别与最近邻分类和阈值分类法相结合,对研究区影像进行分类研究。结果表明:在分割尺度为190水平下,提取的信息类型为河流、湖泊、永久性冰雪覆盖区、桦木、灌木林地;在分割尺度为150水平下,提取的信息类型为栎类;在分割尺度为100水平下,提取的信息类型为未利用土地;在分割尺度为60水平下,提取的信息类型为建筑、耕地、云杉、冷杉;多尺度分类法比单一尺度分类精度高;最近邻多尺度分类法比阈值多尺度分类精度高,其总精度分别为0.86和0.72,kappa系数分别为0.72和0.69。最优分割尺度函数模型在具有普适性的基础上更具有科学理论性,多尺度分类与最邻近分类结合的方法比与阈值分类结合的方法分类效果好,为后续植被动态变化监测提供了依据。最后,对研究区西藏米林县近25年的植被动态变化进行研究,通过计算NDVI分析米林县的植被覆盖状况,利用已经研究的面向对象方法对各个时期的遥感影像进行信息提取,并对相邻时期的影像进行空间叠加分析,计算出空间转移矩阵,分析每个时期各种地物类别的转移情况。