森林资源对经济、社会和环境的可持续发展具有不可替代的重要作用，基于遥感影像的森林类型自动识别是森林资源调查和监测不可缺少的内容。本文以高分一号卫星影像为数据源，依据卫星在轨绝对辐射定标系数以及轨道和姿态控制参数，对研究区遥感影像进行辐射定标、大气校正、正射校正、影像融合、影像镶嵌以及影像裁剪等预处理工作。通过分析影像波段特征和遥感判读样地，从植被指数、纹理特征和地形因子三方面对原始波段进行静态扩充，构建分类特征体系。使用决策树、支持向量机和随机森林进行研究区森林分类对比试验，确定出支持向量机结合随机森林分类模型的优化方法，提高了研究区森林分类精度，得到的结论如下：　　（1）有效的影像预处理能够校正光照、大气、传感器噪声等影响，在保持影像光谱特性的前提下，使地物内部细节表征更加丰富，提高地物的可分辨性。（2）选取植被指数、纹理信息、地形因子等特征参量，使森林类型谱间差异突出，提高森林类型信息提取准确度。（3）对比决策树、支持向量机和随机森林分类模型的分类结果可知，随机森林分类总体精度最高，Kappa系数为0.73，支持向量机次之。决策树分类总体精度最低 Kappa系数为0.55。试验发现，支持向量机结合随机森林分类模型进行分类，比随机森林模型分类精度提高1.57％，使研究区的森林分类结果可靠性增强。（4）对研究区森林景观格局分析可知，森林景观多样性指数较大，景观破碎程度较高，空间分布较为均匀。