随着遥感技术的不断发展,遥感技术已成为获取区域土地利用现状及其变化的重要手段,在土地动态监测、城市扩张、土地利用覆被、碳源/碳汇、生态环境等研究领域起着至关重要的作用。虽然遥感影像的时空分辨率都得到了一定程度的提高,高分辨率遥感影像也在多方面得到广泛应用,但是中等分辨率遥感影像因为方便获取、解译技术相对成熟等仍是目前研究和应用的主要数据源,而中等分辨率影像地类解译精度受到空间分辨率、地物光谱特征等因素的影响,分类精度不高。而精度较高的实地调查数据由于受到数据保密、取得成本等方面的原因,只能获取部分区域的数据,在很多应用及研究中难以大量获取。本研究以广泛使用的Landsat-8的OLI影像为代表,采用支持向量机(SVM)方法,对研究区的遥感影像进行土地利用现状解译,以已经获取的有代表性的典型区域的第二次土地调查变更数据为基准,对解译结果多维度的精度分析,并对各种主要地类的解译结果分别建立校正模型,以期对中等分辨率的遥感影像解译结果的应用及校正提供理论和实践依据。论文共分为六章,具体研究内容主要包括:(1)基于价值性、可行性、代表性、影像数据整体性等原则,选取了光山县、永城市、叶县、鲁山县、济源市、卢氏县6个县(市)作为研究区,并对研究区的基础数据、高程数据、遥感数据、土地调查数据进行收集、整理及预处理,为本研究提供数据基础。(2)参照《土地利用现状分类》GBT 21010-2007,并结合研究区具体实际情况及第二次土地调查的土地分类体系,制定研究区的土地分类体系,即耕地、林地、建设用地、草地、水体及其他土地6个类型。在对遥感影像预处理的基础上,辅以植被指数、坡度等其他数据与其相关波段数据进行多源信息组合,基于支持向量机(SVM)方法对研究区遥感影像(OLI)进行解译分类,并对分类后的数据进行小斑点处理、栅矢转换等,得到研究区的土地利用分类数据。(3)以第二次土地调查数据为基准,对分类结果进行精度检验与分析。基于ArcGIS的空间统计分析功能,计算分类误差转移矩阵,通过计算总体精度、Kappa系数等定量化指数对分类结果精度进行分析与评价,以研究区行政村为单元进行总体精度分析,并对不同地貌单元、主要不同土地利用类型的分类结果进行分类精度的对比分析。(4)基于修正系数法和柯布-道格拉斯生产函数,分别建立线性模型和非线性模型对分类结果进行校正,并对模型的效果及合理性进行检验与验证,以期通过模型校正方法对中等分辨率遥感影像分类结果进行校正,获取较为科学、合理的土地利用分类结果。通过以上研究和分析,本文得出以下主要结论:(1)研究区选择科学、合理,具有一定的代表性,研究区遥感影像土地利用类型分类适合采取支持向量机(SVM)解译方法。(2)Landsat为代表的中等分辨率遥感影像的总体分类精度不高。研究区6县(市)的总体分类精度大部分在80%以下,而卢氏则因林地面积大提高了总体分类精度,使精度达到84.42%。(3)中等分辨率遥感影像地类解译受地形地貌、土地利用类型影响较大,除此之外,影像的空间分辨率、地物光谱特征、土地覆被复杂度等也影响地类解译分类精度。(4)通过验证和分析表明,本研究建立的基于分类误差的线性修正模型及基于柯布-道格拉斯生产函数建立的校正模型,能较好地校正遥感影像分类结果,校正后的分类结果更接近于基准数据(调查数据),说明本研究建立的修正模型基本可行。相对而言,基于分类误差的线性修正模型适合地形起伏较小的耕地和建设用地等地类分类结果的修正,而基于柯布-道格拉斯生产函数的非线性校正模型更适合林地分类结果的修正。