林分是反应森林整体状况的重要特征,是森林经营的重要依据,对维持生态系统稳定发展具有重要意义。随着遥感技术的迅速发展,利用遥感技术提取和估算林分特征成为了经济可行的重要手段。以塞罕坝为研究区,基于多时序Landsat影像,采用像元二分模型和景观生态学研究方法分析区域内植被覆盖度时空演变及景观格局变化;利用MODIS EVI长时间序列数据和Sentinel影像,比较不同优选特征和多种分类方法的提取精度,确定落叶松人工林最优识别方法;基于河北省森林资源二类调查小班数据,融合传统林分因子和遥感因子,构建了塞罕坝林区落叶松人工林蓄积量最优估测模型。主要研究结果如下:1)1980-2019年间,塞罕坝植被覆盖度呈西低东高的空间分布格局,且具有明显的地形分异特征,随高程和坡度的增加,植被覆盖度逐渐增大;不同坡向的植被覆盖度存在较大差异。同时,土地利用类型及其变化也会对植被覆盖度造成较大影响。整体景观破碎度随时间先增加后降低,多样性随时间逐渐降低,不同等级植被覆盖度之间的差异减小。中高植被覆盖度区域面积扩大,植被得到明显改善。2)通过对多源特征因子筛选,获得的优选光谱、植被指数、纹理特征和物候参数均能在不同程度上提高塞罕坝林分总体分类精度和落叶松人工林的识别精度。其中,基于光谱特征、植被指数、纹理特征以及物候参数,采用随机森林分类方法的总体分类精度和落叶松人工林识别精度最高,分别为88.60%和91.80%。3)在传统林分因子的基础上,加入光谱特征、植被指数、纹理特征构建的塞罕坝落叶松人工林蓄积量估测模型较优。其中,基于林龄、郁闭度、光谱特征、植被指数以及纹理特征参数,采用随机森林模型的落叶松人工林蓄积量估测模型效果最好,决定系数R~2为0.8382,落叶松人工林蓄积量估测值与实测值的拟合方程为y=0.81707x+0.06069。图28幅;表40个;参75篇。