离子吸附型稀土矿矿点小而分散,其开采与复垦带来地表覆盖的急剧变化,矿区地表覆盖信息对于矿区生态环境监测具有重要意义。GF-2号数据具有1米空间分辨率和仅5天的重访周期,在稀土矿区地表覆盖监测方面具有较大应用潜力。针对GF-2号影像的数据特点,结合稀土矿的开采与复垦过程,构建了面向对象的稀土矿区分层分类地表覆盖信息提取方法。实验针对稀土矿在GF-2影像空间信息丰富的优势,采用融合纹理特征的方法提高分类精度;针对稀土矿区地物众多的特点,进行了矿区地物分割尺度选择和5次分割,实现了分层选择;针对矿区地物类别共同特征,利用光谱规则、纹理规则和空间规则,构建了稀土矿地物区分的隶属度函数。最后,将构建的融合纹理特征的面向对象分层分类方法与最大似然值方法和无纹理特征面向对象方法进行比较,通过与目视解译矢量化结果进行对比检验。结果表明,融合纹理特征分层分类效果最好,矿区地表各地物分类精度分别为复垦地83.71%、尾砂地83.53%、林地95.67%、厂矿复垦92.51%、果园84.03%和未分类地物81.85%,分类效果良好,完全能够适用于对稀土矿区监测。