为了探究国产高分数据在树种分类领域的应用潜力,该文基于东北内蒙古重点国有林区部分区域范围内的高分二号影像及地面调查数据,主要研究了树种分类过程中的多尺度分割参数确定方法和特征优选方法,并对分类结果提取出的小班优势树种误差情况进行了分析,为国产高分数据林业应用提供了可靠参考。该文的主要研究工作有:(1)以高分二号多光谱和全色影像为数据源,采用分水岭分割与多尺度分割两种常用分割算法进行影像分割实验。结果表明,与分水岭分割算法相比,多尺度分割算法分割所得影像对象保留了更好的林分特征,具有明显的应用优势。在分割参数确定阶段,该文采用控制单一因子法,分阶段确定了形状因子和紧致度因子在同质性准则组合参数中所占权重的最佳值。然后,在以上两因子的配合下采用最优分割尺度估计工具ESP2计算了最优分割尺度所在范围,继而采用本文提出的基于树种样本点对的最优分割尺度评价点指数法评价了不同尺度分割效果的优劣。在确定最优分割尺度后,开展实验反向验证该尺度参数下的最佳同质性准则组合参数分割效果。通过正向实验与反向验证相结合的方式,确定了该文树种分类的影像分割最佳参数,有效分割出了影像上的林分特征。(2)传感器空间分辨率的提升使得影像分割对象特征维度随之增多,为解决这一问题,该文采用了统计分析法和建模选取法两种方法分别选取寻找多种分类方法所需的特征集。结果表明,建模确定特征贡献度选取特征集的方式在后期分类中得到了更高的分类精度。在此基础之上,该文尝试了二分类建模选取特征集的方法,使随机森林方法分类结果的总体精度提升了 3.57%,Kappa系数提升了 0.0406。(3)分析森林资源规划设计调查小班优势树种与分类后提取的小班优势树种之间的差异,该文发现树种精细分类技术在单一树种分布面积比重较大的小班中提取优势树种的效果更为突出,而在林分混交严重的区域,由于各树种占比差距小,由分类结果提取优势树种的能力较差。