森林对生态系统的调节及全球碳循环具有重要作用,掌握地区森林分布现状对于森林资源监测和生态环境保护具有重要的意义。论文以中亚地区为研究范围,针对五种具有代表性的中高精度森林覆盖相关产品(FROM-GLC、GLCF VCF、GlobeLand30、PALSAR F/NF、TreeCover2010),利用多源验证点数据和地理环境数据,对其进行精度评估和一致性分析;在此基础上,利用数据融合、特征融合、决策融合的思路,提出了一个基于机器学习的森林信息集成分类器,完成了中亚地区高精度森林信息的提取。论文具体研究内容如下:(1)数据获取与预处理,论文针对实验所需的Landsat影像、用于提取森林信息的地表覆盖产品、高程影像、MODIS地表反射温度影像等多源数据,研究了基于Google Earth Engine等多平台的多源数据获取与处理技术,完成了大量多源数据的准备与处理工作。(2)森林覆盖产品精度分析与一致性分析,论文从精度、森林面积、森林识别等角度分析了森林覆盖产品的差异。具体地,论文探索了结合Google Earth高精度历史影像的多源验证点采集方法,并基于多源验证点分析与比较了森林覆盖产品的精度差异;基于相关性分析法与逐像元比较法,探索了不同森林覆盖产品在森林面积与空间分布上的一致性,并研究了这种一致性与地理环境因子的关系。(3)高精度森林信息提取研究,论文采用TreeCover2010与GlobeLand30产品,基于数据融合、特征融合、决策融合的思路,提出了一个基于机器学习的森林信息集成分类器。具体而言,在数据融合方面,通过空间叠置融合,提取一致性森林与非森林区域以及不一致性区域,其中,一致性区域用于模型训练,不一致性区域用于模型估计;在特征融合方面,基于纹理分析与主成分分析,提取并融合了光谱、纹理、植被指数、高程、温度等多种类型特征;在决策融合方面,采用集成学习方式,构建了一个基于机器学习的森林信息集成分类器,基于此,提取出了中亚地区高精度森林产品。论文关于产品的一致性分析研究在一定程度上为中亚地区的森林信息提取现状提供了有价值的数据参考,论文基于多级融合策略的森林信息提取研究验证了融合策略在森林信息提取方面的可行性与有效性,可为其他同类型的地表覆盖信息提取提供一定的参考。