土地覆盖变化是全球变化研究的一个重要组成部分。遥感技术是土地覆盖信息获取的主要手段,而在土地覆盖信息的获取中,至关重要的环节是遥感影像分类。随着遥感技术的发展和应用的扩展,以尺度转换、尺度效应和最优尺度选择三个方面为主要内容的遥感尺度问题逐渐成为遥感影像分类的一个重要研究方向。本文以SPOT5 HRG影像、高分一号影像和Landsat8 OLI影像为数据源,以香格里拉为研究区,对SPOT5 HRG影像、高分一号影像和Landsat8 OLI影像遥感分类的尺度问题进行了研究。首先,对尺度收缩(融合)后的遥感影像数据进行尺度转换和尺度转换效应评价,得到尺度转换效果最好的方法。其次,对实验区内各地类的最优尺度进行选择,并在此基础上对多尺度叠加的遥感影像数据进行遥感分类实验。最后,利用此方法对Landsat8 OLI遥感影像数据对香格里拉市进行多尺度遥感分类。主要研究内容和结论如下:(1)尺度转换方法。采用局部平均法、中值采样法、最邻近法、双线性内插法和立方卷积法五种尺度转换方法对研究区的SPOT5 HRG和高分一号两种遥感影像进行尺度转换,利用均值、标准差、平均梯度和信息熵四个指标对尺度转换效应进行分析。结果表明:无论是SPOT5 HRG影像还是高分一号影像,利用立方卷积法进行尺度扩展得到的遥感影像的效果好于其他几种方法。因此,在以后的尺度转换研究中,应该优先考虑采用立方卷积法进行尺度转换。(2)最优尺度选择。通过计算各地类的变异函数,对SPOT5 HRG影像和高分一号影像各地类进行最优尺度的选择。结果表明:大部分地物类型的最优尺度并不在原始尺度,而是在更大的尺度上。其中,水体的最优尺度最大,其次是耕地、草地、灌丛、道路和居民地,阴影和河漫滩则基本保持在原始尺度。(3)多尺度分类。利用混淆矩阵、总体分类精度和Kappa系数来对其原始多光谱影像和多尺度叠加影像的最大似然法分类结果进行精度评价。结果表明:SPOT5 HRG影像和高分一号影像多尺度叠加影像分类结果的总体分类精度比原始多光谱影像的总体分类精度分别高出12.84%和14.76%,Kappa系数分别高出0.1306和0.1419。由此可见,多尺度分类方法可以提高遥感影像遥感分类的分类精度。(4)香格里拉土地覆盖分类。基于上述方法,利用Landsat8 OLI遥感影像数据对香格里拉土地覆盖进行了分类。表明:多尺度分类方法也适用于Landsat8OLI影像,并且适用于整个香格里拉市。香格里拉2015年土地覆盖分布最广的是林地、灌丛、裸地和草地。遥感研究中尺度问题极其复杂,尚存在诸多需深入研究的地方。比如分类体系仅到二级类和仅分析不同地类的最优尺度而忽略了同种地类也有可能最优尺度不同。又比如,实验在其他区域适用性等问题,都需要以后进一步的研究。