竹资源是中国重要的森林资源，具有较高生态价值、经济价值和审美价值。竹林遥感专题信息提取是竹林资源遥感监测及高精度碳储量估算的基础，传统方法主要基于像元的光谱信息进行分类，随着遥感数据空间分辨率的提高，地物细节信息得以更充分体现，同物异谱现象也更为严重，使得基于像元、仅依靠光谱特征的分类面临诸多问题，而面向对象的分类方法可以综合利用影像的光谱特征和几何形状、纹理细节等空间特征进行分类，为遥感影像尤其是高分辨率遥感影像分类提供了新的途径。本研究以浙江省安吉县山川乡为研究区域，借助卫星遥感数据，结合纹理信息，采用面向对象法构建多尺度多层次结构提取毛竹（Phyllostachys heterocycla var.pubescens）林信息；并整合多源遥感数据，确定最佳分割尺度精确提取毛竹林信息；最后，将面向对象法与决策树分析相结合，初步实现了毛竹林野外调查参数估算。主要研究内容如下：1、多尺度多层次毛竹林遥感信息提取方法研究。以SPOT5卫星遥感影像为数据源，综合光谱和纹理信息，采用面向对象的多尺度分割方法，建立多层次结构，分别采用两种方案提取毛竹林遥感专题信息，对两种方案的结果进行对比分析，并对面向对象方法与基于像元的最大似然法的分类结果对比分析。2、整合Landsat5TM和SPOT5的面向对象森林分类方法研究。以SPOT5和Landsat5TM为数据源，分析整合多源遥感数据面向对象多尺度分割技术改善森林分类精度方面的问题，包括分割方案设计、最优尺度选择以及毛竹林及其他森林类型分类精度对比等。3、基于决策树的面向对象毛竹林调查参数估算初探。以SPOT5影像为数据源，采用面向对象多尺度多层次分割，提取每一层次对象的特征信息；然后，通过决策树CART (classification and regression tree)算法对每一尺度的特征进行知识挖掘建立分类规则，利用分类规则对遥感影像进行分类并提取毛竹林专题信息；最后，用回归分析法对毛竹林调查参数与影像特征建立关系，并对毛竹林参数模型进行评价。通过研究主要获得以下几方面的结论:1、对毛竹林而言，在SPOT5红、绿、蓝3个波段上的最佳纹理窗口大小分别为9×9，7×7，9×9，比较接近；面向对象的多尺度分割方法能较为精确地提取毛竹林专题信息，用户精度达到90%以上，高于最大似然法的提取毛竹林信息精度（88.57%）；增加纹理信息的多尺度分割方案既保证了毛竹林专题信息的提取精度(92.16%)，又兼顾了其他森林类型，分类总精度、Kappa分别为92%和0.8814，为本研究的最高精度。2、TM/SPOT5、SPOT5、TM的最佳分割尺度参数分别为70、100、0.8；对于Landsat5TM中等分辨率遥感，面向对象多尺度分割技术不能达到理想的分类效果，分类总精度只有72.35%，但Landsat5TM整合SPOT5高分辨率遥感数据后，分类总精度提高到82.94%，森林分类结果得到大大改善。3、基于小班的胸径、树高回归树模型总精度分别40.74%、66.67%，Kappa为0.0182、0.0471，可靠性低，基于样地的胸径、树高回归模型总精度均为50%，Kappa分别为0.3222、0.2308，因此，基于样地对毛竹林参数胸径、树高构建的回归树模型比基于小班构建的模型整体效果较好，为利用光学遥感数据反演毛竹林调查参数提供新的参考方法。