红树林是全球生产力和碳储量最高的生态系统之一,对维护生态系统平衡、保护湿地多样性和促进区域社会经济可持续发展均具有至关重要的作用。遥感技术因其具有大范围、多尺度监测及获取数据周期短等优势,被广泛运用于红树林资源调查中。在数据源方面,当前国内外学者多集中于运用国外高空间分辨率和高光谱卫星遥感影像数据,而对于国产卫星遥感数据的应用却相对较少。选取福建省漳江口红树林国家级自然保护区为研究区,基于HJ-1A、Landsat遥感影像数据,分别应用面向对象分类、监督分类、非监督分类、SVM分类及BP神经网络模型,对研究区红树林进行植物群落分类,在此基础上,对研究区红树林碳储量进行定量估算,确定其空间分布特征,主要结论如下:(1)将HJ-1A高光谱数据和Landsat8 OLI遥感影像数据的全色波段进行融合,根据野外调查数据提取融合后影像的光谱、形状及纹理等特征,采用面向对象分类法对融合后的遥感影像进行红树林空间分布信息提取,总体分类精度为99.22%,Kappa系数为0.96。结果表明:基于融合后的高光谱卫星遥感数据可有效区分红树林与非红树林,其结果可进一步应用于红树林植物群落分类。(2)基于Google遥感影像及野外调查数据选取红树林植物群落训练样本,并运用最大似然分类法、最邻近分类法、SVM分类法及ISODATA分类法共4种分类法将红树林分为白骨壤、秋茄以及桐花树三个群落。研究结果表明SVM分类法的分类总体精度最高,分类总体精度为79.26%,Kappa系数为0.67;其次为最邻近分类法,分类总体精度为70.97%,Kappa系数为0.61;而最大似然分类法分类总体精度为64.94%,Kappa系数为0.42;ISODATA分类法分类结果最差,分类总体精度为47.31%,Kappa系数为0.12。(3)运用红树林异速生长方程计算红树林各部分生物量,并根据生物量与碳储量之间的关系得出红树林植被碳储量。结合红树林植被特征,运用BP神经网络模型建立红树林植被碳储量遥感反演模型,结果显示白骨壤模型R~2为0.53,秋茄模型R~2为0.69,桐花树模型R~2为0.79。结合红树林植被碳储量遥感反演模型和红树林植物群落分类结果得出红树林植被碳储量空间分布特征:红树林植被碳储量从0.23 kg~2.58 kg不等;最少的为0.23 kg,分布在保护区北部的桐花树群落,最高的为2.58 kg,分布在中南部的白骨壤群落。总体来说,白骨壤群落植被碳储量最高,其次为桐花树,秋茄植被碳储量最低。本研究结果旨在为红树林植物群落和碳储量遥感反演提供技术方法借鉴,进而为红树林湿地生态系统保护提供一定的科学参考,同时推动国产高光谱卫星遥感数据在湿地监测和保护方面的应用。