落叶松是我国北方林区较为常见的林木,其木材材质优良且具有抗压抗腐蚀等诸多优点,具有较高的社会价值和经济效益。近年来,落叶松作为我国林业重点工程建设的树种之一,造林面积逐年增加。目前,林业部门针对落叶松资源的调查愈发重视,如何快速获取落叶松空间位置分布也成为林业研究的难点之一。本研究以多时相的Landsat8和GF-1影像为主要数据源,在分析落叶松季相和光谱特征基础上,确定落叶松识别的关键时期和参数。同时提取多种特征信息,通过不同分类器的选择,探究提取落叶松最佳特征因子和多特征优化的分类策略,为快速获取落叶松空间位置分布提供一种技术参考。具体研究内容和结果如下:(1)为了探究提取落叶松林的关键物候期,实验以黑龙江省孟家岗林场作为重点研究区,采用最大似然法、随机森林法和支持向量机法对不同时相的Landsat8影像进行森林类型分类,筛选出提取落叶松林的最佳时期和方法。研究结果表明,在这三种分类方法中,最大似然法综合效果最好,其次是随机森林法。结合落叶松NDVI时间序列曲线发现,在落叶松生长期和落叶期与其他植被物候差异显著,分类效果较为理想,分类精度均高于80%。其中11月2日影像分类效果最好,精度最高为85.08%,Kappa=0.81。该结论在大孤家林场的实验中得到进一步验证。(2)同单一时相相比,多时相的影像包含更丰富的地物信息,实验在上述单时相影像分类基础上,筛选出分类精度高于80%的影像,并将这些影像进行排列组合,共构建了 69景多时相组合的遥感影像,最后采用最大似然法依次进行森林类型分类。研究结果表明,①相较于单时相的分类结果,多时相组合可以有效地提高分类精度,更有利于落叶松的提取;②在多时相组合分类中,两个时相组合的影像分类效果最佳;③落叶松生长期和落叶期影像组合可以反映出落叶松独特的物候规律,是进行落叶松识别的最佳时相组合,有利于落叶松的高精度提取。在多时相组合分类结果中,落叶松生长期和落叶期组合的影像,分类效果较为理想,精度均高于85%,其中,3月22日影像(生长期)和10月29日影像(落叶期)组合分类效果最佳,分类精度最高为87.46%,Kappa=0.84。上述结论均在大孤家林场实验中得到进一步验证。(3)实验选择时间相近的GF-1和Landsat8影像为数据源,分别提取了不同植被指数的时间序列特征、不同窗口下的纹理特征以及利用DEM数据提取不同的地形因子。最后采用最大似然法和随机森林法进行分类。研究结果表明,①加入特征因子后,分类精度均有所提高,说明特征因子有助于落叶松的提取。②加入植被指数时序特征后,分类效果最为理想,分类精度显著提高。说明植被指数时间序列特征可以较好地描述落叶松的物候节律,反映出落叶松的季相特征,是提取落叶松的最佳特征因子。(4)实验以黑龙江省大兴安岭国有林场作为整体研究区,采用最大似然法、随机森林法和支持向量机法对MODIS-NDVI时序数据集和MODIS-EVI时序数据集进行森林类型分类。结果表明,最大似然法和随机森林法分类效果较好,分类精度均达到70%以上,面积精度均达到85%以上。其中随机森林法分类效果最好,精度最高,MODIS-NDVI时序数据集分类精度为79.91%,Kappa=0.77,MODIS-EVI时序数据集分类精度为78.27%,Kappa=0.76。说明MODIS时序数据集可反映落叶松的季相特征,适合大区域落叶松林的提取。