森林类型识别是森林资源遥感监测的重要工作,低分辨率遥感影像由于不能充分体现影像空间、纹理细节等信息而难以满足森林类型识别的精度要求,森林内部的树种识别则更成为一个难点。高分辨率遥感影像不但包含丰富的光谱信息,还能提供丰富的空间、纹理特征信息,因而应用高分辨率遥感影像进行林区地物和森林树种识别成为近年研究的重点。传统基于像元分类方法针对影像光谱信息进行提取,不但不能充分利用高分辨率影像丰富的空间、纹理特征信息,还有可能造成局部“分类噪声”现象,难以准确提取林区微观地物信息。面向对象的影像信息提取方法由于是针对影像的分割对象进行特征提取,可充分利用高分辨率遥感影像的光谱、纹理、形状信息,从而受到广泛关注。本文应用高分辨率QuickBird影像对试验区域——福建省将乐国有林场林区地物及森林树种进行面向对象的多层次信息提取,重点探讨多层次影像分割中尺度参数的获取以及多层次地物信息规则提取过程。结果表明：结合QuickBird高分辨率影像及其重采样低分影像针对不同地物进行多层次分割,有利于避免水体在高分辨率影像中分割过于破碎的现象,同时避免高分辨率影像中不同地物的异质性差异造成的分割不理想现象。应用ESP(Estimation of Scale Parameter)分割尺度评价工具辅助获取不同地物的最佳分割参数,在不同层次下取得分割效果良好,为分割尺度参数获取提供辅助依据,同时节省分割参数获取时间。通过对不同影像分割层次下对象光谱特征、颜色特征、纹理特征等进行提取,应用专家知识及特征统计对影像对象进行特征选取和阈值的确定,实现对研究区域森林地物及树种的分类,同时与面向对象单一层次分割后影像分类方法进行对比,实践证明应用面向对象多层次分类方法总精度可达80.53%,高于面向对象单一层次下决策树方法和最近邻方法的分类精度,后两者分类精度分别为67.03%和71.68%。因此,应用高分辨率影像进行面向对象多层次的分类方法能更为有效地对森林进行分类与识别,为实现树种信息提取提供可靠依据。