森林是国家可持续发展的重要物质基础，是经济建设和生态环境建设中不可多得的、可更新的再生资源，具有保持水土、涵养水源、防风固沙、净化空气、调节气候等生态功能，森林资源状况及其消长变化，不仅影响区域经济的持续发展，而且还影响地区乃至全球环境的变化，因此倍受人们关注。 遥感技术具有宏观、动态、便捷、可周期重复和成本低等诸多优点，非常吻合森林资源辽阔性、复杂性、通达性差等特点，己成为研究森林资源状况的理想手段。目前，在森林遥感应用中，多源遥感数据的提供能力越来越强，但由于遥感信息的综合性、复杂性，使得遥感信息处理技术却相对落后。基于不同区域、不同季相和不同背景特征的森林遥感分类技术远未成熟，中巴资源卫星(简称：CBERS)影像在林业上的应用研究更是少见报道。 TM资料用于森林资源遥感调查已经很普遍，但价格比较高。CBERS资料价格低廉，获取方便，尤其是02星的资料质量有了极大提高。本研究以江西省贵溪市为研究对像，利用CBERS和TM等卫星遥感数据，以及一些相关的GIS数据和林业部门的实地调查数据，针对森林遥感分类中的几何校正、影像处理、波段组合选择、影像分类方法和森林遥感分类效益等问题开展研究，对推进江西省森林遥感的应用具有重要的参考意义。 本研究的主要内容和结论归纳如下： (1)本研究在1∶10万基础地理数据的支持下对全省的中巴影像进行了校正，然后把全省影像进行了拼接处理，再套用贵溪行政边界图从中裁剪出覆盖贵溪地区影像图。 (2)分别对研究区TM和CBERS影像进行了各波段信息量、标准差、相关性等统计特征及森林类型光谱特征分析。通过定性分析和最佳指数因子OIF值计算，结果表明：CBERS234、TM345在做遥感影像的森林类型分类研究方面的波段组合方式是一种最佳的三波段组合方式，具有最大的信息量和最少的信息冗余度。 (3)本研究在GIS以及林业部门二类清查数据的支持下，对CBERS影像进行了监督与非监督分类试验，并对分类精度进行了多种形式的分类精度评价，结果表明：本研究监督分类的总体KAPPA精度为0.6635，总体分类精度为62.07％，非监督分类的总体KAPPA精度为0.5394，总体分类精度为60.25％。CBERS影像与TM影像的监督分类结果与贵溪林业局做的森林资源二次清查数据相比较得出结果是：CBERS影像监督分类过程中，把森林类型分至二级平均精度为56.68％，分至三级平均精度则为54.39％。TM影像监督分类过程中，把森林类型分至二级平均精度为75.67％，分至三级精度则为72.62％。通过比较计算机分类结果和地面调查数据可以发现，不管是TM监督分类影像，还是本研究采用的CBERS监督分类影像，各种林分类型面积与实地调查数据都存在较大偏差，尤其是针叶林，阔叶林，针阔混交林之间混分情况十分严重，分类误差很大。当研究区各地类和林分类型面积分布极不均匀时，一些小面积地类的相对精度常会出现负值，表明对于中巴资源卫星，基于统计模式识别技术进行森林地类和林分类型的详细划分几乎不太可能。究其原因，可能是各种林分类型之间光谱差异小，加上南方地形破碎，林相混杂，极易造成“同谱异物，同物异谱”现象。