土地覆盖信息是地理基础数据，它对环境科学研究、土地资源的可持续管理以及环境的变化监测有重要的应用意义。首先，土地覆盖与人类的生产和生活密切相关，土地覆盖的变化反映了自然环境与人类社会活动的关系，并在全球范围内影响着气候与生物多样性。最早，土地覆盖制图是通过人工勾绘的方式来完成的；随着遥感技术的应运而生，基于遥感图像的人工、半人工和自动化制图成为了最为主要的土地覆盖制图方式。随着遥感数据分辨率的不断提高、获取方式的不断丰富，利用遥感数据可以获得越来越准确和丰富的土地覆盖信息；因此，基于遥感图像的土地覆盖分类方法与全球土地覆盖分类制图成为了当前遥感研究领域的热点。然而，自动化的快速获取大范围、高质量的土地覆盖分类仍然是一个挑战。
　　本研究以提高土地覆盖分类制图的质量为出发点，充分利用多源遥感数据，构建了全面的特征空间，包括空间特征（如纹理、形状等）、时间特征（时间序列特征）和光谱特征；在时间、空间和光谱三个维度较全面的考虑了多源遥感数据优势、建立了丰富的特征信息。并在建立特征空间的过程中，利用现有工具对多光谱数据与合成孔径雷达数据进行了必要的预处理，以减弱遥感数据受到的天气、大气散射和传感器灵敏度等问题的影响。
　　本文提出了一种基于层次结构思想的面向对象土地覆盖分类方法体系，将分类细化为多层子分类问题，在每一层对一个类进行分类，并在每一层分类中为每一类地物动态选择合适的分割参数和特征子集，以获得高完整性和高精度的分类结果。最后以北京地区作为研究区实现了本文方法并进行了验证。分别基于随机森林、支持向量机和K最邻近三种分类器实现单一尺度分类方法和本文方法，完成了北京区域10m的土地覆盖分类制图。本方法最高达到了91.6%的总体精度，对比单一尺度的分类方法总体精度分别提升了2.43%、0.55%和1.58%。