本文应用遥感手段对森林可燃物类型划分这一课题进行了研究和探讨，对可燃物类别的划分主要依据生活型的不同以及建群种的差别来进行划分，针对塔河林业局内植被状况，对比了主要针叶树种，包括落叶松林、樟子松林、云杉林；主要阔叶树种，包括白桦林、山杨林、河滩柳林；针阔混交林，难利用地，沼泽，水体，居民区等几种不同的森林可燃物类型以及其他类别的光谱特征曲线，参考现有可燃物类型划分方法，以及林龄对燃烧性的影响，将可燃物类别最终划分为人工落叶松林，天然落叶松林，樟子松林，阔叶林，针阔混交林，难利用地，沼泽几种不同的类别，并分别对其特征进行描述。本文选用2002年ETM+遥感图像最为原始数据，同时使用地形图、小班图等专题图资料，来确定地物类型，对可燃物类型进行划分。使用方法主要包括ISODATA法，监督分类中的最大似然法，以及BP神经网络分类法，应用ISODATA法，将可燃物类型与水体、居民区共9种类型进行了划分；应用最大似然法和BP神经网络法，通过对遥感图像的判读，进一步将天然落叶松林划分为中龄落叶松林和成熟落叶松林。使用ISODATA法，初步确定将原始图像分为40个小类，然后对分类结果进行聚类，划分为9种目标类型，最终分类精度为64.33％，每种可燃物类型的分类精度均较低。使用最大似然法对可燃物类型进行划分，结合光谱特征曲线，我们对不同的波段组合OIF值进行了对比，最终选择4、5、3波段组合最佳，并将天然落叶松林细化为中龄落叶松林以及成熟落叶松林，以提高整体分类精度，其总体精度为79.00％，若将中龄落叶松林与成熟落叶松林划归为天然落叶松林，则精度可达到82.00％，可见使用最大似然法对可燃物类型进行划分相比非监督分类法具有明显优势，精度相对ISODATA法提高了16.67。在此基础上，本文选用BP神经网络的方法，对4、5、3波段合成的假彩色图像进行进一步的分类，按照10种类型划分，最终精度为84.67％，按天然落叶松划分，总体精度可达到87.67％。相比最大似然法，总精度提升了5.67％。本文对每种分类方法中的不同可燃物类型的生产者精度和用户精度分别进行了对比，结果显示，不同可燃物类型其两种精度按照ISODATA法、最大似然法以及BP神经网络法的顺序大体依次呈现递增趋势，其中有个别类型其精度降低，大多数可燃物类型精度均呈现上升趋势。对总体精度的比较显示BP神经网络法精度最高。