【摘要】准确高效的获取土地利用信息，对于合理利用和开发土地资源具有十分重要的意义。在快速城镇化地区，土地利用活动频繁且密集，土地利用格局演变十分剧烈，增加了城市土地利用精准分类的不确定性；且受环境气候和云雨天气影响增加了有效光学影像获取的难度。为提高城市土地分类精度，该文选取武汉市中心城区为研究案例，以Ｓｅｎｔｉｎｅｌ－１Ａ和ｌＡｎｄＳＡｔ８ Ｏｌｉ影像为数据源，采用ＧｒＡｍ－Ｓｃｈｍｉｄｔ变换方法进行影像融合，选取最大似然、支持向量机、ｃＡｒｔ决策树、ＢＰ神经网络等４种分类方法对融合的影像进行分类，提取了研究区土地利用信息，并对其进行分析。进一步，通过与光学影像的分类结果对比，探究了Ｓｅｎｔｉｎｅｌ．．．