如今,遥感技术广泛应用于森林监测活动中。精确地实现不同植被类型的分类及树种的识别,可以提高各个监测指标的精度。近几年来,我国发射“高分”、“资源”等多个系列的国产卫星,丰富了国产遥感卫星数据库,为国内遥感工作的开展带来了极大便利。在植被分类与树种识别过程中,若充分考虑不同植被类型在各个季节的季相特征,可以有效提高分类精度。因此,本研究所使用的数据为同时具有高空间与高时间分辨率的国产高分二号卫星影像。本文以北京市鹫峰国家森林公园为研究区,通过预处理、分割实验选取最优分割参数、基于特征分析建立人工规则与分类器相结合等步骤,较好地实现了研究区内的植被分类与树种识别,为相关林业工作的开展提供依据。主要研究结果如下:(1)针对待识别的优势树种(油松、侧柏、栓皮栎)进行不同季节的实地冠层光谱反射率曲线测量,得出结论:三类树种的光谱反射率在绿波段与近红外波段存在差异性;落叶树种(栓皮栎)在叶变色时期光谱反射率曲线发生明显变化,此时期有利于进行树种识别;实地测量的光谱反射率曲线与GF-2多时相影像光谱平均值曲线具有相似的变化趋势,证明GF-2影像能够反映树种的季相变化。(2)通过分割尺度的初值合理范围选取、异质性因子实验、ESP分割尺度评价工具分析以及光谱差异性分割,选取出适用于研究区植被分类的最优分割参数。(3)充分利用五幅影像的季相特征,进行特征筛选与规则建立。通过利用多时相影像基于特征分析的人工规则建立与分类器相结合的三种分层分类方法,对比利用单时相影像的两种分层分类方法,对总体分类精度进行分析得到结果:多时相分层随机森林法最高,精度为91.9%;多时相分层CART决策树法与多时相分层最邻近法次之,精度分别为89.9%与88.2%;单时相分层随机森林法与单时相分层CART决策树法较低,精度分别为71.4%与68%。结果表明多时相影像参与植被分类与树种识别过程能有效提高总体分类精度。