亚热带森林因其结构复杂、树种多样的特点,成为遥感研究的热门方向。尽管近年来随着大量的遥感平台相继投入使用,大量不同空间、光谱分辨率的数据源可被用于森林遥感监测,但是对于不同数据源、分辨率、分类变量在不同尺度上进行森林观测的系统性对比研究仍然较少。本研究以中国南方广西高峰林场为研究区,使用Zuyuan-3(ZY-3),Landsat-8,Sentinel-2影像,通过数据融合的方法改善其光谱、空间分辨率;同时提取了融合前后不同数据源各自的光谱信息,纹理信息,结合数字地表模型(DSM)及其衍生信息,构建三种变量组合方式,并结合研究区实际情况建立了精细及粗略两套分类系统,利用随机森林算法进行数据优选及分类,探索不同光谱分辨率、空间分辨率下,利用不同变量组合对于亚热带森林识别的影响。结果表明:1.对数据融合后空间分辨率为2米的影像,使用光谱、纹理、地形变量组合(STZYPF2)基于精细、粗略两套分类系统进行分类,均能取得最高的总体分类精度(分别为83.49%,88.89%)。2.在空间分辨率为2米的情况下,基于粗、细两套分类系统使用光谱变量进行分类,数据融合后的总体分类精度分别为72.07%,79.32%,相比于融合前的分别提高14.2%,14.66%。光谱分辨率的改善能够不同程度地提高单一树种的分类精度。其中竹林在融合后的分类精度相比于融合前提高44.35%;桉树,针叶林,其他阔叶林,非林地能够提高10.64%-19.90%的分类精度;灌木的分类精度提升不明显,仅提升2%。3.空间分辨率为6m的情况下,数据融合能够改善影像的分类精度。对比使用6米的ZY-3多光谱与Sentinel-2融合前后,仅基于光谱变量的分类结果,光谱分辨率的改善分别能够提高11.13%和3.71%的分类精度。对于单树种,光谱分辨率的改善能够提高4.66%-44.35%分类精度,但是当融合前的多光谱影像空间分辨率过低时,会降低条带状的地类,如灌木的分类精度。4.在2-30米空间分辨率梯度上,进行数据融合前,仅使用光谱,以及使用光谱与纹理变量进行分类,影像总体分类精度呈现先上升后下降的趋势,Sentinel-2数据分类精度最高(68.21%,69.44%);使用光谱、纹理及地形变量进行分类,6米ZY-3的分类精度最高(74.19%)。数据融合后的数据基于光谱进行分类,6米的ZY-3与Sentinel-2融合后的数据分类精度最高;使用光谱与纹理变量结合,或光谱、纹理及地形变量分类时,则2米ZY-3与Sentinel-2融合后的数据取得最高的分类精度。5.对于变量而言,纹理变量的加入能够不同程度地提高影像的分类精度,且纹理变量的加入对影像分类精度的提升幅度随着空间分辨率的降低而降低。在纹理变量的选择上,需要同时使用基于大、小窗口提取的纹理变量。本研究中对树种分类最重要的纹理变量为Correlation(Cor)。地形因子的加入能够显著提高分类精度。