随着全国第一次地理国情普查工作的全面展开,其数据量大和空间范围广的问题给传统野外测绘普查方法带来了困难,利用识别高分辨率数字遥感影像数据对地理信息普查的数据归纳可以很好地解决这一不利因素。由于高分辨率遥感影像具有宏观性和时效性,地理国情普查采用高分辨率遥感影像作为主要数据源,大大减少了户外工作量。本文以全国第一次地理国情普查项目为研究背景,通过分析国内外进行地理国情监测的特点,总结了高分辨率影像中信息提取的研究现状,根据国家规定的采集分类要求,借助eCognition和ARCGIS软件对北京市门头沟地区进行地理国情普查信息提取方法的研究,通过基于设置权重、形状和光谱因子参数的多尺度分割法,计算出最佳分割尺度,然后利用基于样本的最邻近分类方法,开展关于国普各项地理信息的分类。影像中提取了耕地、园地、林地、草地、房屋、道路、构筑物和人工堆掘地为分类标准的八大类信息分类模块,此八类为国普项目中的一级分类标准。利用人工解译的方法进行第二级和第三级的细分类,通过采用地理国情普查的外业最终成果来检查自动分类精度。结果表明:在进行自动分类后的植被类和非植被类判别精度为93%。而耕地、园地、林地、草地等植被类分类精度为56.1%。植被分类细化的精度不高,此结果还不能满足本次地理国情普查分类的需求,还需要参考地形图等基础数据进行人工解译的细分类。因此,即使自动分类的总体分类精度不高,但是分类结果作为人工解译的参考,可以快速实现准确的地物类别调整,得到较精确的分类最终结果。进行目视解译方式和自动解译方式相结合的方法来进行高分辨率遥感图像解译的优点是灵活性高,并且由于加入了人工解译的因素,信息提取精度相对较高,可以作为地理国情普查信息提取的应用方法。