获取森林树种(组)空间分布信息是我国森林资源调查的重要内容之一,不仅可为国家森林资源管理宏观决策提供信息支撑,也是深入开展森林生态系统碳循环模型研究的重要输入数据之一。遥感技术为提取树种(组)空间分布信息提供了一种有效的手段。中空间分辨率高重访周期遥感数据提取的时间序列NDVI数据能够较完整的反映植被的季相变化和物候差异,已被众多学者应用于大区域植被信息提取研究。同时,区域树种(组)的空间分布也受到诸多环境因素的影响,气温、降水量和地形等多类型数据的综合应用有利于树种(组)空间分布信息的提取。建立和检验树种(组)空间分布信息提取模型离不开大量地面实况调查数据的支撑,因此目前国外相关研究报道无一例外都采用了国家森林资源调查固定样地数据,但国内尚没有基于多源数据综合提取树种(组)空间分布信息的研究报道。为此本文在国外该方向最新研究进展基础上,开展了综合多源数据的树种(组)空间分布信息提取方法研究。本文发展了一种以MODIS NDVI 8天合成时间序列数据(空间分辨率为250m×250m)和国家森林资源连续清查固定样地数据为主要数据源,综合利用气象观测数据和地形数据,基于梯度最近邻(GNN)方法的省级树种(组)单位面积胸高断面积(可理解为胸高断面积密度,单位为m2/hm2,后文简称胸高断面积)和树种(组)成数估测方法。该方法首先利用典型对应分析(CCA)对特征变量进行特征变换,然后采用k-最近邻(k-NN)方法对树种(组)胸高断面积和成数进行分层估测,其估测结果可用于间接表达主要树种(组)的空间分布。以黑龙江省和吉林省为试验区开展了实验研究,验证了所发展方法的有效性,进而制作了黑龙江省9个树种(组)的胸高断面积分布图和吉林省7个树种(组)的成数分布图。本文主要研究工作和结论如下:(1)研究了k-NN参数优选对估测精度的影响规律,摸索出了最佳k-值的确定方法。本文在对黑龙江省的9个树种(组)的胸高断面积和吉林省的7个树种(组)成数进行估测时,分别对k值进行了优选实验,分析了k-NN估测精度随k值的变化规律,总结出了最佳k-值的确定方法。(2)发展了一种有效的分层估测方法。采用分层估测的方法对黑龙江省树种(组)的胸高断面积和吉林省树种(组)成数进行了估测,与不分层的直接估测法进行了精度对比,结果表明:对于黑龙江省树种(组)胸高断面积估测,分层估测法的决定系数(R2)比直接估测法平均高0.07;对于吉林省树种(组)成数的估测,分层估测法的均方根误差(RMSE)比直接估测平均低0.1。本文发展的分层估测方法可以提高树种(组)空间分布信息提取精度。(3)采用两种精度评价方法对本文所发展的树种(组)空间分布信息提取方法进行了有效性检验。基于网格的精度评价结果显示:随着评价尺度(网格大小)的变化,黑龙江省9个树种(组)的胸高断面积的RMSE平均值在0.44-1.68之间;吉林省7个树种(组)成数的RMSE平均值在0.35-0.65之间。在吉林省实验区,以县为统计单元采用森林资源二类调查加密样地进行了精度检验,结果表明:树种(组)成数估测R2为0.83,RMSE为0.35。检验结果说明了本文所发展方法是有效的,所提取的主要树种(组)空间分布图对我国森林资源管理宏观决策、森林生态系统碳循环研究等具有潜在的重要应用价值。