森林资源监测是森林资源利用与保护的重要内容,其主要工作内容之一就是森林类型识别。低分辨率遥感影像由于不能提供高精度的地物空间、纹理、形状等特征信息,因而制约了森林资源监测精度的进一步提高。近年来,随着遥感技术的不断发展,高空间分辨率遥感影像不断出现,其不仅能够提供丰富的光谱信息,同时还包含了影像地物丰富的纹理、空间以及形状等信息,为森林资源监测提供了更加丰富和准确的数据源,更有助于森林资源监测精度的提升。基元像元分类方法主要利用遥感影像的光谱信息进行分类,在充分利用高分辨率遥感影像提供的丰富信息方面能力有限,甚至还有可能造成数据冗余,而且“椒盐现象”更为严重,难以准确对森林资源信息进行提取。针对高分辨率遥感影像的特点,学者提出了面向对象的分类方法。该方法通过对影像进行分割,以影像对象为分类基元,综合利用地物的光谱、纹理、空间以及形状等信息,从而快速、准确的提取各种所需地物信息,改善了“椒盐现象”,提高了地物分类的精度。另外,观察尺度不同,地物表现出的特征也不同,面向对象的方法能在最优分割尺度下对影像中地物进行描述,充分表达不同地物之间的区别,实现在多尺度下对影像信息的提取。热带林是森林生态系统的重要组成部分,但由于其结构复杂、树种繁多,再加上遥感解译的不确定性,利用遥感技术进行热带林分类时困难重重,有关热带林遥感分类的研究一直较为匮乏。本文利用SPOT6高分辨遥感影像,以海南霸王岭国家自然保护区热带天然林区为研究区,利用面向对象的多尺度分类方法进行遥感植被信息提取,重点探讨了多尺度分割方法及分割参数的获取和多尺度分类特征规则的建立过程。研究结果表明:通过对分割参数与分割效果之间关系的分析,运用ESP多尺度分割评价模型对不同地物的最优分割尺度和分割参数进行计算,最终确定分割尺度和参数,并使用矢量小班数据对分割结果进行检验,经检验,分割效果良好。在最优分割尺度基础上,利用统计方法提取地物影像对象的光谱、纹理以及形状特征等,建立不同尺度下的分类特征组合,实现对研究区地物的面向对象多尺度分类。同时,比较了单一尺度的面向对象最邻近方法对研究区进行植被信息提取的分类结果,面向对象的多尺度分类方法结果总体精度可达到84.46%,Kappa系数达到0.7945,分类精度较高,这两项评价指标均高于面向对象的单一尺度分类(总体精度为75.06%,Kappa系数为0.6732)。因此,面向对象的多尺度分类方法适合于森林结构复杂、植被种类繁多的热带林分类,可为热带森林资源监测研究提供可靠技术支持。