随着信息技术、经济及城市化快速发展，土地利用状况变化很大，各部门对土地信息的需求越来越大，建立准确、实时的土地资源数据库显得尤为重要。传统的土地调查方法已经无法准确地反映土地利用现势状况。因此，探索一种快捷实用的土地信息提取方法，准确、快速地进行土地资源调查，保证土地利用现状资料的现势性成为国土资源管理部门一项十分重要的任务。运用遥感技术摸清土地的数量及分布状况，已成为土地利用调查中普遍采用的手段。　　 本文在分析传统计算机自动分类和人机交互目视解译提取土地利用信息的不足之处后，提出了基于FNEA与D-S证据理论的遥感图像分类方法。该方法在区域分割算法FNEA对遥感影像分割的基础上，根据土地利用分类体系中地物光学和雷达等特征，构建D-S理论的鉴别框架、计算基本可信度，并按照一定的决策规则建立分类模型，从而划分各图斑土地利用归属类别。　　 该方法以图斑作为子单元进行对土地进行分类，能解决传统的基于像元分类造成多而零散的分类结果问题，与实际土地调查以图斑为单元相符合。D-S分类利用多种证据对图斑进行分类，比依靠单一信息源进行分类证据更充分、更全面，并把各个证据融合后智能化识别土地类型。以SPOT-5数据和RADARSAT-2数据进行土地利用遥感分类为例，对基于FNEA与D-S证据理论的遥感图像分类方法进行了验证，实验结果表明，该方法可以对遥感图像智能化分类，比传统计算机自动分类精度高，且与实际真实情况更接近，比人机交互的方法效率更高，因而该方法具有一定的实用性，在兼有效率和精度方面比现有方法更具优势，尤其在土地利用遥感动态监测提取新增建设用地信息中优势更加突出，能为国土资源调查、土地规划、土地执法和土地督察、资源管理与规划、环境保护提供基础信息和技术支持，并为相关工作开展提供科学依据。