小班是内部属性基本一致,与相邻区域有明显区别而需要采取相同经营措施的森林地块或小区,是森林资源规划设计调查、统计和森林经营管理的基本单位,在森林的生物量、碳储量等的统计和制图工作中也具有重要作用。小班区划通常是人工基于高分辨率影像和实地调查手动划定的,费时费力且具有一定的主观性。而自动区划方法具有更高的效率且区划结果能更客观地体现林分内部性质的同质性和不同林分的异质性。本文利用从机载激光雷达数据（Airborne Laser Scanning,ALS）中提取的冠层高度模型（Canopy Height Model,CHM）、高光谱影像的树种分类结果和高分辨率航片数据进行小班自动区划研究,具体进行了以下工作:（1）结合CHM和树种分类图,使用多尺度分割和优化的方法区划小班。试验了三种加入树种信息的方法:树种分类图结合人工区划小班矢量化、树种分类图结合CHM过分割对象矢量化、树种图后处理并直接矢量化。使用树种矢量图作为辅助数据,对CHM数据进行1 m和5 m空间分辨率两种空间尺度的分割,综合优化两种空间尺度的分割结果,获得最终区划结果。用人工区划小班、基于数字正射影像的屏幕勾绘小班以及主伐作业小班作为对照,采用最终测量精度（Ultimate Measurement Accuracy,UMA）准则和重叠率（Overlapping ratio,OR）指标,定量计算自动区划小班界线的精确程度;采用平均树高、平均胸径和冠层平均高可解释性方差指标,计算自动区划结果的内部同质性和外部异质性精度。自动区划小班与三种参考小班的形状、面积等特征都较接近,且与人工区划小班最相近。自动区划小班与人工区划小班、DOM（Digital Orthophoto Map）屏幕勾绘小班、主伐作业小班重叠率大于85%的比例分别为43%,34%,42%。自动区划小班和人工区划小班的平均树高和平均胸径可解释性方差相近,均为97%、98%。自动区划小班的冠层平均高可解释性方差为81.81%,比人工区划小班的提高了1.77%。结果表明采用CHM和树种信息的多尺度分割及优化方法区划的小班在边界的精准度及内部同质性方面有明显优势,更符合小班边界处林木的分布情况,有助于精细的森林经营规划,CHM数据有应用于小班区划的较大潜力。（2）建立了一种基于属性因子的过分割合并自动区划方法。对5 m空间分辨率的CHM采用面向对象的多尺度分割方法进行精细分割,产生过分割对象。从CHM及树种分类图中提取与小班内部同质性相关的因子,包括郁闭度、冠层平均高、主要树种、主要树种成数、小班面积及相邻小班公共边长,利用这些特征制定了合并相似小班和消除面积过小的小班两种合并准则。使用这两种准则对过分割对象进行自动合并,生成自动区划小班。使用人工区划小班、基于数字正射影像的屏幕勾绘小班以及主伐作业小班作为对照,采用最终测量精度准则、重叠率和可解释性方差精度指标对自动区划小班进行了精度验证。自动区划小班与人工区划小班、DOM屏幕勾绘小班、主伐作业小班重叠率值大于85%的比例分别为22%、41%、59%;自动区划小班的平均树高和平均胸径可解释性方差为97%、99%,与人工区划小班相近;自动区划小班的冠层平均高可解释性方差为87.40%,比人工区划小班的提高了4.36%,比多尺度分割与合并方法自动区划的小班提高了2.59%。结果表明,基于属性因子的过分割合并方法能够产生良好的小班划分结果,并可根据区划的目的调整阈值获得需要的区划结果。