目前，利用遥感影像进行分类、信息提取以及变化监测是林业遥感领域一个重要的研究方向。公益林作为我国森林资源中的重要的森林类别，其动态变化监测对我国林业的发展有着重大意义。本研究以延庆区GF-1、RapidEye以及Spot-5三期影像数据为研究对象，以公益林的分类提取为主线，通过对比3种典型的基于像元的监督分类方法，以及对面向对象的信息提取方法中最优尺度选择和规则集建立的探讨，提高分类精度，并进行变化信息提取精度评价，分析公益林地块变化原因，为构建其动态监测体系提供一定参考。　　本研究主要结论如下:　　(1)对基于HSV变换、Brovey变换、PC变换、GS变换、Pansharp变换等5种融合方法的Spot-5和GF-1全色和多光谱影像数据的融合结果，采用目视分析与定量特征分析进行融合影像质量评价，结果表明5种融合算法得到的影像在亮度、清晰度、对比度以及光谱信息继承性等方面有一定的差异。对于Spot-5影像的来说，Pansharp融合算法更适合于在后续的分类研究中。对于GF-1影像来说，GS融合算法较另外4种融合算法表现更优越，在后续的分类研究中更有潜力。　　(2)基于融合后的影像，采用基于像元的三种分类方法进行分类，并通过基于样本的混淆矩阵进行精度比较分析。结果显示，支持向量机法分类结果的精度明显高于另外两种方法，前中后三期分类的精度分别为:85.64％、82.72％和87.19％，Kappa系数分别为:0.83、0.80和0.85，且该方法对于阴影区域的处理效果优于另外两种方法。对三种基于像元的分类方法效果排序如下:支持向量机法＞最大似然法＞马氏距离法。　　(3)对三期不同的影像进行基于多尺度分割和规则集建立的面向对象分类，分别采用面向对象的“RMAS”指标和均值方差法来选择最优分割尺度，最终确定Spot-5影像的最优分割尺度分别为560，500和450; RapidEye影像的最优分割尺度分别为:400，350和180; GF-1影像的最优分割尺度为650，560和480。并在不同层次的分割尺度上确定面向对象分类的规则集，将像元二分模型引入到对象层次，构建FC特征值加入到规则集中，实现面向对象分类。结果显示三期影像采用面向对象分类精度分别为:87.1％、92.3％、92.1％，均高于基于像元的分类方法，更有利于后续研究。　　(4)采用分类后比较法进行变化信息提取，并建立公益林变化信息提取的误差矩阵，结果显示2004-2011年及2011-2015年两次变化信息提取的结果整体精度都在87％以上，总体精度较高，漏判率、错判率都在20％以内，提取结果较佳。从2004-2015年间，公益林面积呈上升趋势，且主要集中在有林地面积的增加，其他林地和农出植被呈减少趋势，这与国家对林业以及公益林的重视度逐渐增强，各项工程项目的实施有密切关系。