森林、草原、湿地等陆地生态系统主要以大气和土壤为介质,为人类和动物提供了多种多样的生存环境及食物和衣着的主体部分,对人类的生存发展具有举足轻重的影响。在陆地生态资源调查中,树种、草种、和水体等都是调查的重点,许多生态参数都是依靠树种、草种和水体来进行定量估计的,因此,准确地识别出树种、草种和水体是获取生态系统资源信息的关键。利用遥感技术开展生态系统精细分类和目标识别研究,能为自然资源管理、环境保护与监测、生物多样性和野生动物生态状况调查等研究提供信息服务。星载高光谱遥感图像具有较高的光谱分辨率,是获取森林等陆地生态系统精细结构相关参数的主要技术手段。本论文综合利用星载高光谱遥感影像的光谱信息、纹理信息及地形信息,基于Hyperion星载高光谱数据探究森林生态系统精细分类方法和模型;建立相应的森林生态系统的快速、精细分类系统。其中,面向森林生态系统的精细分类方法和模型,为我国GF-5号星载高光谱遥感数据在自然资源管理、环境保护与监测、生物多样性和野生动物生态状况调查等方面,提供稳健、高效的图像精细分类和目标提取技术。论文的主要研究成果及结论如下:(1)基于特征波段优选的降维方法中,自适应波段指数法选取的特征变量,在C5.0决策树算法森林类型分类中的表现优于随机森林特征选择方法,两种方法总体分类精度分别达到84.04%和78.11%;三种基于特征提取的降维策略中,独立主成分分析精度较高,主成分分析法和核主成分分析分别次之。(2)应用C5.0决策树数据挖掘算法,采用分层分类策略,在综合影像的光谱特征基础上,加入相关的纹理特征及地形因子,可以有效提高森林类型精细分类精度,该方法森林类型精细分类达到优势树种(组)级别,可实现高光谱数据森林类型精细分类的半自动化。(3)基于自适应权值多分类器组合模型,从像元级将支持向量机和随机森林两种机器学习算法相结合,有效地提升了森林类型精细分类的精度。