近年来,随着遥感技术的不断发展以及在林业应用的不断深入,对森林资源进行全过程、全覆盖、全要素的监测体系取得了不错的发展。对森林资源信息进行提取是基于遥感技术的森林资源监测体系中的关键环节,应用中高分辨率遥感影像开展森林类型分类研究成为目前研究的热点之一,但目前在森林类型提取方面仍存在精度不高、分类结果可信度低等问题。综合利用遥感影像多元特征进行森林类型信息提取可在一定程度上提高森林分类精度,但同时也伴随着多元特征的高维度、信息冗余、模型过拟合等问题。因此,本文从森林资源监测调查的实际应用需求出发,重点研究森林类型提取方法。本研究以福建省尤溪县为研究区,以Sentinel-2A遥感影像为主要数据源,结合野外调查数据、森林二类调查数据、DEM数据等辅助数据,充分利用遥感影像的光谱特征、指数特征、纹理特征和地形因子特征,采用分层多尺度分割提取技术,以期探索符合Sentinel-2A遥感影像特点以及内在规律的森林类型层次化信息提取方法,为中高分辨率遥感影像在森林资源监测应用提供参考。通过野外调查数据与森林二类调查数据相结合,采用混淆矩阵的方法对森林类型分类结果进行精度验证。研究结果表明,主成分变换前三个分量的加入有助于提高影像分割效果和分类精度;在影像光谱特征的基础上,加入指数特征和纹理特征可在一定程度上提高森林类型提取精度;在多元数据的支持下,选取合适的特征和阈值进行分层与分类是一种有效的森林类型分类策略,取得了较高的分类精度,其中杉木、马尾松、竹林和其它林地的总体分类精度达79.80%,Kappa系数为0.725;通过对决策树和随机森林两种分类器进行优势互补,基于分类精度混淆矩阵中的生产精度和用户精度平均值作为先验知识进行多分类器决策级投票融合,相比于单一决策树和随机森林分类器,组合分类器具有更高的分类精度,总体分类精度分别提高了3.32%和2.13%。