全球及区域尺度土地覆盖数据是陆地表层研究当中的重要数据基础。广泛共享的土地覆盖数据在具体研究领域中被使用时用户关心的一个重要的问题就是这些数据的精度高低。因此，检验土地覆盖数据的精度意义重大。常用的精度评价方法有采样方法、误差矩阵与精度指标和Kappa分析等。采样方法中的随机采样的优点在于样本被选中的概率是相同的。为了保证样本的随机性和无偏性，本文中用随机采样的方法来检验GlobCover2009数据的分类精度。本研究以鄂尔多斯地区为研究区，首先生成研究区范围内的100个随机样本。然后利用最大似然法对鄂尔多斯地区Landsat5TM影像进行分类，根据计算训练样本之间的Jeffries一Matusita距离和TransformedDivergence两个参数和训练样本的不断优化及反复多次分类，得出精度较高、分类效果较理想的分类结果。最后对比随机样本的GlobCover土地覆盖类型和用最大似然法再分类后的土地覆盖类型，统计土地覆盖类型一致与不一致的随机样本。经过对比分析，从错误分类的类型及其空间分布的角度，检验GlobCover2009数据在鄂尔多斯地区的分类精度。结果表明，错分土地覆盖类型数不是很多，错误分类类型分散分布于鄂尔多斯全境，但各错分类型的分布区域之间有区别，分布特征很明显,GlobCover2009数据在鄂尔多斯地区的总体分类精度为42%。本文进行基于随机样本再分类策略的GlobCover2009数据在鄂尔多斯地区的精度检验研究，从而达到了对GlobCover2009数据实施精度检验、补充和丰富数据信息的目的。