雪是地球表面最为活跃的自然要素之一。积雪的特性(如积雪面积、雪粒径、雪水当量等)是全球能水平衡模型以及水文循环模型中的重要的输入参数。雪盖可以影响天气、工农业和生活用水资源等一系列与人类活动有关的要素。积雪一方面可以提供极其宝贵的融雪水资源和旅游资源；另一方面大面积积雪也有可能会引起各种雪灾(包括雪崩、风吹雪等),且融雪水还会引起洪水、泥石流。这两种结果的共同点都是由一定范围的雪盖分布所致。因此,无论模拟融雪径流过程、积雪对气候的反馈作用及影响,还是雪灾预警和预报,雪盖制图都是首要的基础和保证。干旱半干旱区的农业灌溉高度依赖积雪融雪水,积雪水资源对十分脆弱的生态环境有极其重要的意义。新疆的积雪资源更是十分丰富,新疆农牧业生产与季节性积雪有着十分密切的关系。但同时也是造成农牧业最严重的季节性积雪灾害的重要因子之一。因此,积雪监测对于新疆融雪径流模拟及水文预报、雪灾预警都有重要意义。新疆北部地区是众多河流汇聚地区,积雪覆盖范围广,积雪信息的实时分析处理,并及时、准确地向有关政府部门提供雪情监测报告,对于洪水预报及防灾减灾工作具有重要意义。一些高海拔及偏远的山区,根本无法对积雪信息进行监测,不能及时、全面的反映积雪分布状况。遥感技术的应用刚好可以弥补了这一缺陷,遥感技术以其快速、宏观、综合及多时相的优势成为了大范围监测积雪覆盖的主要手段。本文以新疆北部地区的天山中段为例,利用多源遥感数据(MODIS数据和Landsat-5TM数据),结合研究区野外考察以及一些仅有的气象水文资料等,利用遥感和GIS手段,开展了基于多特征的SVM积雪面积提取研究。首先利用SNOWMAP算法对研究区遥感影像分类,同时开展了NDSI、DSI和RSI和雪盖率拟合关系的研究,利用线性拟合、指数拟合、对数拟合三种拟合方法,结果发现DSI和RSI可以代替NDSI来估算雪盖率和区分云/雪,且积雪指数与雪盖率的指数拟合统计关系要优于传统的线性拟合方法。利用MNF变换之后的散点图得到研究区积雪、岩石、阴影三个端元,将三个端元带入线性光谱分解模型,得到研究区的积雪丰度图。然后利用NWFE方法进行特征提取,该方法比常用的PCA方法侧重突出感兴趣地物之间的可分性信息,NWFE进行特征提取是较好的选择,从而进一步提高特征提取的精确度。在利用基于多特征的SVM进行积雪面积提取之前,先对不同纹理特征组合、不同波段组合、不同窗口大小进行分析讨论,通过分析得到分类最优纹理特征是均值、对比度、相关、方差,最优波段组合为7个波段组合,最优窗口大小是3×3。将雪盖率和积雪丰度作为光谱信息特征输入到SVM模型中,对研究区遥感影像进行分类。同时,进一步去考虑相邻像元间的光谱关联,利用之前分析的最优纹理特征、最优波段组合结合光谱信息特征的SVM方法在最优窗口大小下对研究区进行分类,并和传统的SVM分类方法进行比较。结果表明,加入了雪盖率和积雪丰度这两个光谱信息特征后的总体精度达到了97.027%,总体分类精度比传统SVM方法提高了0.2702%,Kappa系数也得到了提高。从结合光谱信息特征及纹理信息特征的SVM分类结果可以看到总体分类精度有了明显的提高,比传统SVM分类提高了1.081%,制图精度达到了99.01%。将光谱信息特征及空间信息特征作为SVM输入特征变量后,对积雪覆盖薄寡的山区积雪信息提取效果很好,对于积雪的错分误差有了明显的降低。本文提出的分类方法能够适应特征组合之间的非线性关系,从而能提供更多的区域地物空间分布信息,能够调整无样本地表类型的积雪面积提取,对今后的融雪水文过程研究有重要意义。