遥感科学技术的形成与发展,以及与全球定位系统等地理信息系统科学的融合、渗透和统一,形成了新型的对地观测系统,为林业科学研究提供了全新的科学方法和技术手段,其生产意义和社会经济效益是不言而喻的。传统的基于像素光谱信息分类的方法仅依靠影像中的光谱信息进行分类,会出现很多的误分和错分。特别是在面对高分辨率遥感影像分类时,显得力不从心,所得的精确度远远达不到生产的要求。大量实验研究表明,只依靠光谱信息来解决遥感中的地类分类是远远不够的。遥感影像中还蕴含着地类的细节纹理信息。我们可以结合光谱信息及纹理信息来进行有效的分类。在分类方法的选择上,决策树分类法已被应用于许多分类问题,但应用于遥感分类的研究成果并不多见。决策树分类法具有灵活,直观,清晰,强健,运算效率高等特点,在遥感分类问题上表现出巨大优势。本次论文中以广东省翁源县的LandsatTM/ETM+遥感影像为研究数据源。利用决策树算法,加入提取的纹理信息进行遥感地类分类,并把获得的结果与传统的最大似然法进行分类进行比较。结果表明:在卫星影像的整体分类精度上,决策树分类技术要优于最大似然法,加入纹理信息的分类方法能有效提高分类精度。相对于最大似然分类,决策树的树状分类结构对数据特征空间分布不需要预先假设某种参数化密度分布,所以其总体分类精度优于传统的参数化分类精度。