遥感数据由于具有宏观性、周期性、实时性和综合性等特点，在土地利用与覆盖信息获取方面发挥着越来越重要的作用，成为提取地物信息的一种有效的技术手段。 准确快速地提取出遥感影像上的各类地物信息，对于土地利用与覆盖情况的识别至关重要。目前，已有的分类算法已经很多，然而由于大量的混合像元及不同地物问光谱混淆的存在，中低分辨率遥感数据的地物信息提取仍然是一大挑战。 本文以江西兴国县境内的潋水河流域为研究区，基于地表覆盖信息的分层提取进行遥感专题制图。首先，对传统的影像分类方法进行了探讨。其次，结合潋水河流域的实际情况和所采用卫星影像特征，分析了该区域各类地物的光谱特征，并由此探讨了它们在光谱特征上的可分性。然后，利用1995年12月7日的美国陆地卫星Landsat-5 TM影像，分别采用最小距离法、决策树方法及基于光谱特征和地学知识的分层分类法，对潋水河流域的各类地表覆盖信息进行了不同组合的分类研究，并经过分析和比较，找出了最适合研究区地物信息提取的分类组合方案。 通过本文研究，可得到以下结论： 1)正确地使用基于光谱特征和地学知识的分层分类法，能在很大程度上提高潋水河流域的分类精度。最小距离法也是一种很好的信息提取方法，但在分类中应注意训练样本的选取和纯化。 2)辅以数字高程模型(DEM)派生的坡度等信息的遥感影像分类，可使分类精度有所提高。 3)分层提取地物信息更加有利于突出重点，有助于保证重点地物提取的精度。它将复杂的问题简单化，其可以针对不同的分类目标选择不同的分类方法，从本研究来看，选用的阈值法和最大似然度法已经基本上可以成功地分离各地物类型。 4)分层提取也有利于对分类结果的灵活处理，对地物的合并和进一步划分较简便，方便用户根据研究区域的特点和模型需求划分所需的地物类型。 5)结果表明，对TM图像进行的分层信息提取方法，分类总精度可达91.79％。此分类精度可基本满足遥感分类与制图的目的。