利用遥感技术对区域性土地利用类型进行调查，定量提取土地利用信息目前是重要研究领域之一。传统的遥感图像分类方法，一般都是利用遥感数据的统计值特征或与训练区样本数据之间的统计关系进行模式识别的。但地表是复杂的，是宏观有序，微观混乱的地理综合体。因此，遥感图像上的光谱值是混合的，受多种因素的影响，存在“同谱异物”和“同物异谱”现象，使得仅仅依靠光谱特性进行分类的精度不高。神经网络分类法的兴起为这一问题的解决提供了可能。本文欲在前人研究成果的基础上，以坡度因子图为辅助数据，用基于人工神经网络模型的遥感数据分类方法对我国南方地形破碎、地物类型复杂的丘陵河谷地区进行土地利用信息提取研究，以探索一种提高土地利用自动分类的精度和速度，且适合于地形复杂地区的切实可行的方法。 　　最后，对模型的分类精度进行分析。1)对模型分类结果的精度进行像元抽样检验，结果表明该方法能够很好地提取出地形破碎、地物类型复杂地区的土地利用信息，精度达到80.52％。2)将模型分类结果与相同影像的目视判读人工解译结果进行叠加对比分析，结果表明两者相同土地类型的重叠度达79.30％，而且该方法提取的土地利用类型的边界更为精确。