遥感图像空间分辨率越低，一个像元内包含多类不同性质目标的几率就越大。目前流行的中高分辨率遥感数据，特点是测量精度高，但数据价格较贵、获取困难；而低分辨率数据的覆盖范围广，费用低廉，如MODIS遥感数据，但由于其空间分辨率较低，遥感图像中存在着大量的混合像元，传统的遥感图像分类方法并不考虑这一问题，结果导致所占面积较小的地物类型被错分到其它类别中去，土地覆盖分类时常造成一定的误差。然而目前的混合像元分解研究中常用的数据是NOAA/AVHRR或者Landsat TM/ETM遥感数据，基于MODIS遥感数据进行光谱混合分析的研究较少。针对以上问题，本文以郑州市为例，选用线性混合像元分解模型对MODIS遥感数据进行混合像元分解研究。 本文首先探讨了MODIS数据格式和预处理，技术分析、总结了常用的混合像元分解模型，通过MNF变换、散点图以及引入PPI纯净像元指数确定端元组分，并采用最小包含法和地理影像空间选择法两种方法求取端元组分反射率，而后将两种方法求得的端元组分光谱值代入到线性模型公式中，分别用带有约束和不带约束的最小二乘法求解，得出每种地物类型的百分比(丰度)以及RMS误差。结果显示，使用几种方法进行的混合像元分解结果的RMS均值都小于0.003，与解译好的TM结果相比较，综合评价，地理空间的约束法得出的结果是最好的。最后用传统的监督分类法和非监督分类法对原遥感图像进行分类，结果表明非监督分类法效果最差，监督分类要优于非监督分类，但两种分类结果都满足不了要求。若要使分类更加精细，还需运用经过对比结果较好的混合像元分解方法。说明了利用混合像元分解技术进行MODIS遥感数据的土地分类，可以达到较好的效果，表明MODIS数据可以有效地应用于遥感动态监测，土地覆盖分类研究。