近半个世纪以来,遥感技术呈现出突飞猛进的发展趋势,无论是在小范围内的科学技术研究到大范围的生产应用均取得了丰硕的成果。随着3S技术的不断发展,林业行业使用遥感技术进行林地信息提取和森林资源监测也随之快速的发展,并在方法上不断推陈出新。本文以辽宁省研究区的GF-1卫星遥感全色和多光谱数据为研究对象,通过融合试验选择最优像素级影像融合算法,并以此为基础对融合影像进行人工目视解译、基于像元的分类、面向对象分类研究,并在面向对象分类的基础上提出一种结合多尺度纹理特征的面向对象分类方法,力图为林业部门遥感影像大规模融合分类应用和森林资源动态监测系统构建提供参考。研究结论如下：(1)以GF-1多光谱和全色影像为对象,采用Brovey变换、PCA变换、HPF、Gram-Schmidt变换、Pansharpening五种像素级融合算法进行影像融合试验,探究其面向林地信息提取的融合效果并采用主观与定量评价相结合并辅以不同地类纹理特征分析的综合融合效果评价方法。结果表明,Gram-Schmidt变换影像融合结果各波段与原多光谱波段相关系数高于0.700,平均梯度增幅超过10%,高频信息融入度R、G、B波段高达0.900、NIR波段达到0.873,林地地类影像方差高、平均信息熵增幅超过29.00%、二阶矩降幅达14.90%,总体色调自然、清晰度和层次感良好、针对植被区域的纹理增强明显、颗粒感强烈,相比其他融合算法具有明显的优势。(2)本文采用目前行业内广泛使用的人工目视解译分类法和监督分类中最大似然法、最小距离法分别对Gram-Schmidt算法融合后的研究区影像进行分类,试验结果表明：人工目视解译中五组区划人员平均总体精度达到0.8065,Kappa系数0.7677,不同区划人员的分类结果总体较为一致但在图斑区划、地类属性判读上具有主观差异,尤以阔叶林和针阔混交林的判读受到区划人员差异影响最大；监督分类结果中,最大似然法分类结果总体精度为72.21%, Kappa系数为0.6738,略大于最小距离分类法的总体精度71.52%和Kappa系数0.6625,有林地内分类精度总体呈现出针叶林地类>阔叶林地类>针阔混交林地类的特点,同时两种监督分类方法均使得图斑破碎化严重,产生了大量的图斑,出现了明显的“椒盐现象”。(3)提出一种结合多尺度纹理特征的面向对象分类方法,在分类中借助ESP(Estimation of Scale Parameters)分割尺度选择工具和多次试验,确定了研究区域内主要地类最适宜的分割尺度和分割参数,建立了四级的多尺度分割层次(82,63,47,28),并依此建立了多级的分类体系,体现了多尺度分割在面向对象分类中的优势。采用灰度共生矩阵对主成分分析的第一主成分进行纹理特征提取,利用Jeffries-Matusit距离选择多尺度组合,并通过单一纹理结合多光谱数据的分类精度以及纹理特征间的相关性最终选择多尺度纹理特征组合进行面向对象分类。研究结果表明：结合多尺度纹理特征组合的面向对象GF-1影像分类能有效提取地物信息,总体分类精度达到81.75%,Kappa系数0.78,较单尺度纹理特征组合及仅用多光谱数据的面向对象分类总体分类精度分别提高了3.48%和5.99%,同时在针叶林、阔叶林、混生林地类中结合多尺度纹理特征组合的分类结果生产精度较单尺度纹理特征分别提高了3.9%、5.9%、17.6%,增益效果明显。