遥感图像森林分类是遥感技术在森林资源监测应用中最基础、最重要和最关键的工作。几十年来,遥感图像分类无论在理论上,还是在技术上都取得了长足的进步,但仍不能满足大面积实际应用需要,尤其是在森林分布破碎、类型多样、结构复杂的南方林区,遥感图像分类精度还有待于进一步提高。近年来,随着高空间分辨率航天遥感图像的容易获取,遥感技术在森林资源监测中应用前景十分良好。面向对象分析方法的提出和发展,为遥感图像森林分类提供了一个极有希望的途径。然而,现有的遥感理论和技术大多是基于中低分辨率图像、针对像元分析建立起来的,对于高空间分辨率图像、对于具有丰富含义的图像对象,需要从图像处理到信息提取、分类等各个方面都进行深入的研究。本文以改善SPOT5图像森林分类精度为目的,从图像预处理、图像分割、ETM+辅助数据的应用、对象的光谱和纹理特征提取与筛选、多分类器分类与结合等整个流程进行了全面的、系统的和综合的探索和研究,主要成果如下:1)以采集高分辨率遥感几何精校正地面控制点(GCPs)和林业调查规划应用为目的,建立了林区GPS控制网。布网结果表明,基于该控制网的星站差分GPS单点定位精度RMS均小于0.5m,完全能够满足高空间分辨率的SPOT5、IKONOS和QuickBird等图像几何精校正GCPs采集的需要,解决了传统基于地形图选点和普通手持式GPS定位方法无法满足高分辨率遥感图像几何精校正精度要求的问题。在GPS控制网的支持下,普通手持式GPS的单点定位最大误差为3.86m,小班边界平均位移为3.23m,小班中心绝对位移平均为3.76m,小班面积测量精度达到98%以上,完全能够满足林业生产实际应用需要,且操作简便,工作效率高,适用于大范围的森林资源调查。建立林区GPS控制网是在当前普遍缺乏高精度地面控制点的情况下,进行高空间分辨率遥感数据几何精校正的有效途径。2)比较全面地探讨了森林资源监测用SPOT5图像预处理的技术方法。试验结果表明,IHS变换融合和双线性内插法重采样在空间信息、纹理信息和光谱信息保持方面,均具有良好的效果。分段线性拉伸和边缘增强处理,有利于突出森林信息,有助于提高图像解译的精度。3)研究了SPOT5图像结合Landsat ETM+图像进行图像分割和对象特征提取的策略,探讨了对象特征的筛选方法。ETM+图像由于空间分辨率相对较低,不能实质性地参与图像分割过程,否则会造成图像对象同质性差、“杂质”多,边界不准确,不能准确地反映地物空间分布状况。在人工林区,光谱信息和纹理信息是森林分类最有价值的信息。采用协方差、简单相关性和多重相关性进行对象特征筛选后,可剔除大部分对象特征,并保持对象特征原有含义不变、相互独立和具有一定的信息量,为后续分类器应用提供了可靠保证。4)提出了图像分割—基于规则的分类—基于分类的分割—分区控制—底层分类—上层综合的高空间分辨率遥感图像(SPOT5图像)森林分类策略。试验了最小距离法、马氏距离法、Bayes准则、模糊分类法和支持向量机5个分类器,结果表明,Bayes分类器的总体精度最高,且各类型的生产者精度亦保持较为接近,对以龄组为基础、包含22个类型的第三级分类的总体分类精度达到了79.38%,以树种为基础的、包含15个类型的第二级分类的总体精度达到了81.82%,以树种组为基础的、包含9个类型的第三级分类的总体精度达到了86.33%。在景观复杂地区的森林分层分类,由底层分类开始、逐级向上合并的方法,比由顶级分类开始、往下逐级分类的方法,效果更好。ETM+作为辅助数据,较大程度地提高了SPOT5图像的分类精度。5)研究了多分类器结合方法,发展了多分类器结合的投票/模糊法,该方法综合了保守投票规则和模糊融合方法,通过结合5个分类器的研究表明,该方法与标准结合方法、模糊融合方法相比,效果更好。多分类器结合后,总体分类精度有一定的提高,但提高幅度不大。