目前高分辨率遥感影像已广泛应用于我国林地及森林资源调查业务，但所采用的技术手段以目视解译为主，缺乏自动化、标准化程度较高的土地覆盖（包括林地类型、森林类型）遥感影像分类方法。森林资源连续清查固定样地数据可为遥感影像分类提供地面实况数据，但将其用于遥感影像分类的相关研究还比较缺乏。目前已成功发射的高分一号遥感卫星（GF-1），其分辨率为16m的多光谱数据幅宽可达200km，同时，我国2015年底成功发射的高分四号(GF-4)凝视卫星具有获取高时间分辨率NDVI时间序列数据的能力。　　因此，发展一种以国家森林资源连续清查固定样地数据为主要地面实况数据来源，并可综合利用GF-1、GF-4各自空间、时间分辨率优势的分类方法，对提高我国林地及森林资源的监测精度和自动化程度具有重要参考价值。在本文研究阶段，GF-4还未发射，因此以MODIS数据为替代数据源开展了研究。与已有研究相比，本文特色体现在针对国家森林资源连续清查的业务需求和业务特点，对分类对象生成、特征提取、特征选择、分类器训练和精度检验等关键环节都进行了优化设计，旨在研发一种具有较高实际应用价值的地表覆盖类型分类方法。　　本文以黑龙江省小兴安岭某林区为研究区，研发了一种以GF-1宽幅多光谱数据、MODIS NDVI（250m，8d合成）时间序列数据、国家森林资源连续清查固定样地数据和少量外业实地调查数据等为主要数据源的土地覆盖类型分类方法。该方法具有以“对象”为分析单元提取多源遥感数据的光谱、空间和时相等特征信息、采用随机森林算法进行特征选择、充分利用国家森林资源连续清查固定样地记录的地类信息建立和检验决策树分类模型等特点。　　精度检验和分析结果表明，本文所发展的面向对象的综合多源遥感数据的分类方法可充分发挥两种遥感数据的分别在空间分辨率、时间分辨率上的优势，总体分类精度达89.46％，Kappa系数为0.874，明显优于仅基于GF-1宽幅数据、MODIS NDVI时间序列数据的分类方法，可有效提高主要土地覆盖类型的分类精度及总分类精度。　　本文所发展的方法的相关技术流程适用于综合GF-1/6与GF-4数据的土地覆盖类型分类制图，有助于提高我国森林资源连续清查业务中林业用地、有林地等地类遥感分类制图的自动化、标准化程度。