【摘要】【目的】获取更高效、准确的土地利用自动分类方法，为后续的高原山区土地利用分类研究提供理论支撑。【方法】选取中国典型的高原山区云南省大理市为研究区域，以Sentinel-2A影像为对象，提出一种面向对象特征的决策树分类方法，并将此方法分类结果与传统的ISODATA法和最大似然法土地利用分类结果进行对比。【结果】(1)面向对象特征的决策树方法分类结果在空间分布和各地类的面积统计方面都优于ISODATA法和最大似然法，与研究区实际土地利用面积数据更为接近；(2)在大理市，最大似然法在水体和林地的提取上适用性较好，而面向对象特征的决策树分类方法在农田、草地、建设用地和其他这些地类的区分上适用性更强，且在冰川积雪的提取上也有更好的提取效果；(3)相比与传统的ISODATA法和最大似然法分类结果精度，面向对象特征的决策树分类方法可进一步提高分类精度，总体分类精度可达90.20%,Kappa系数为87.95%。【结论】相较于传统的分类方法，先粗分类再进一步细分类的分类思想，可避免区域之间的混淆问题。面向对象特征与决策树相结合的组合分类方法在高原山区有着更好的适用性，可以有效提高高原山区分类精度。图3表8参26