地理国情监测项目中地表覆盖信息提取的关键技术，就是如何快速准确获取遥感影像包含的地物信息。本研究使用eCognition软件对影像进行自动解译，解译过程主要分为两步：第一步是选取最优分割组合参数对影像进行多尺度分割，分割结果的质量直接影响最终解译成果的质量，本文就其分割参数的如何选取进行详细研究并进行实验，以便获取最佳分割参数组合。第二步是对分割结果生成的影像对象层按照影像对象属性并通过编写规则集进行分类。由于自动解译的成果数据具有严重的锯齿现象，而且精度不能满足地表覆盖项目的需求，因此需要人工进行修改。基于锯齿问题，通过采用ArcGIS Model Builder模型生成器建立模型进行解决。在人工通过流编辑（Streaming）模式修改完成后，面相邻且属相相同是普遍存在的错误，人工检查很难发现问题，针对这一问题，采用脚本语言Python编写专项检查工具予以解决。最后通过分别统计解译成果及人工最终修改成果所有地物类型的面积，能够得到解译正确地物类型的面积，进而对自动解译成果进行精度评价。本研究以青海省治多县为例，结合QuickBird遥感影像(红、绿、蓝、近红四个波段)，利用eCognition8.8面向对象分类模块和ArcGIS9.3空间分析模块对青海省地理国情监测项目中地表覆盖信息的提取工作进行了实验分析。结果表明，分类的全局精度达到了93.90%，具有较强的可适用性。本研究的创新之处在于，实现了一定程度的人机交互式矢量化，极大地减少了人工工作量，提高了日常生产效率，研究成果能够为后期地理国情监测中地表覆盖的采集工作提供一定的技术参考价值。