森林分类是森林资源遥感监测的重要工作，也是掌握森林资源现状的重要方法之一。遥感技术的快速发展为大面积森林遥感分类提供了便捷的技术途径，但森林资源调查中小班区划还主要依赖人工目视解译方式，这种方式不可避免的带有技术人员主观因素的影响，甚至会出现不同人员操作产生不同区划结果的现象。而基于不同空间分辨率遥感数据的森林分类结果仍然具有很大的不确定性，许多研究结果虽然实现了局部区域分类精度的最大化，但很难适用于其他区域。利用不同遥感数据源开展大面积林地遥感分类依然是林业生产实践中需要亟待研究的问题。为此，本文以天山西部山地云杉林为研究对象，新疆天山西部国有林管理局巩留分局的恰西国家森林公园为研究区，以Landsat8、高分一号(GF-1)和高分二号(GF-2)影像为基础数据，对其进行多尺度分割和郁闭度估测模型的研究，并结合野外实地测量，遥感数据的光谱信息、纹理信息、植被指数因子等特征值，对三种数据进行面向对象分类和郁闭度等级分类，为该地区的小班区划提供一定的理论依据。
　　(1)三种不同遥感数据实行尺度分割时，本文主要应用了OIF值算法和ESP评价工具，得出每种数据的最佳波段组合和不同地物对象的最优尺度参数。经过OIF计算发现近红外波段信息最为丰富，独立性强，在最佳波段组合中对OIF值得贡献也最为突出；在此基础上经过ESP工具对影像进行分割试验，最终得到不同层次下的最优尺度参数。
　　(2)为获取有林地遥感区划判识因子，选择光谱信息、纹理信息和地形因子作为对象特征因子，构建郁闭度估测模型，并对其进行精度评价，结果表明分辨率最高的GF-2影像数据的模型拟合效果最好，其EA为89.93%，RMSE为0.0695，可以更好地反映新疆山地森林郁闭度的实际情况。
　　(3)应用面向对象的分类方法，并联合HIS变换值、光谱信息、植被指数因子、纹理特征以及地形因子实行分层次的遥感分类研究，最终得出的结论是分辨率最高的GF-2影像数据分类效果最佳。将其与2014年森林资源二类调查有林地面积提取进行对比，其总体吻合度达到了94.47%，因此，采用高分辨率影像数据能够更好地进行面向对象分类，为该地区的小班区划提供可靠依据。