土地利用分类是基于人们对土地资源的利用方式,对土地利用类型进行区分的过程,其目的是统计并掌握土地利用信息以便对土地资源进行管理,是土地管理决策机制的重要支撑:保障其决策流程中的反馈信息精准快速地传递。基于此,精度和效率这一难点已成为制约土地决策科学性的重要因素,而解决上述难点的关键在于图像分类技术的突破。因此,如何有效地应用图像分类技术以便更好地服务于土地资源的管理意义重大。本文研究了土地利用分类工作中图像分类技术的应用问题。指出了图像分类在大数据背景下也是统计学的重要内容之一,研究了其实现流程和相关的训练技并论证了应用层面的必要性和可行性。针对精度兼顾效率这一共性难点提出了构建图像分类模型的思路以期改进实际工作中的不足。在迁移学习的基础上,提出了模型整合方法并结合自身经验设计了2个应用于土地利用分类工作的模型架构:第一个是Res Net-50整合模型,第二个是集成了整合VGG16和Xception的组合模型。本文以祁连山冰川与水源涵养生态功能区为蓝本构建土地数据库,并利用上述设计的2个模型进行土地利用分类的实证分析。结果表明:Res Net-50整合模型的总体精度高达97.35%,效率为0.0318秒/张;组合模型的总体精度高达96.57%,效率为0.026秒/张。两者各有千秋,有效地改进了土地利用分类工作中的精度兼顾效率难题,助力于土地管理决策水平的提高。