随着遥感技术的不断成熟，土地遥感分类技术已成为获取土地变化信息的主要技术手段之一。本论文在系统介绍了国内外土地遥感分类研究中的主要方法和成果的基础上，重点介绍了当前发展较快的人工神经网络方法的特点以及它在遥感分类中的应用。研究以北京市昌平区为例，应用神经网络中的自组织特征映射网络和专家分类系统相结合对该区的土地利用类型进行分类。 首先，对研究区影像数据的地类模数进行研究分析。由于遥感影像中地类往往会存在“异物同谱”、“同物异谱”的现象，所以研究的土地利用类型数目一般不等同于地类的模数。研究采用的自组织特征映射网络属于无导师学习的训练方法，因此网络的输出结果要尽可能地接近地类的模数。然后采用专家分类系统并导入研究区的数字高程数据对分类结果进行再次分类，最后得到研究区的土地类型分类结果。 其次，对分类的结果进行精度评价和对比分析。采用类型精度评价法对研究的分类结果进行评价，并与传统的无监分类结果进行比较分析，结果表明该神经网络分类方法比传统分类方法在分类精度上有了较大的提高。 最后针对研究中存在的问题，提出如何进一步提高分类精度的方法和建议。 本论文针对现在分类方法往往存在单一性的特点，把自组织特征映射网络和专家分类系统结合起来，实现无监分类和先验知识相结合，有效地提高了分类的精度。研究表明根据不同分类方法的各自特点进行互补性结合并加入其它地理辅助数据，能有效地提高遥感分类方法的精度。