基于计算机技术对遥感图像进行地物分类和检测识别是监测土地覆盖动态变化的重要手段。针对海南东寨港红树林生态系统环境监测的复杂性,提出了一种结合核联合稀疏表示分类器和决策规则模型的地物语义理解方法,目的在于对红树林及周边地物覆盖类型进行划分,并根据红树林区域的长势情况进一步划分为长势优和长势差的两类,最后给出地物场景的语义决策规则。第一,研究核联合稀疏表示分类器对于不同分辨率遥感影像的分类性能,核联合稀疏表示分类器考虑样本的空间上下文关系以及引入核函数,以提高分类的精度。实验表明,在高分辨率影像分类任务中,总体分类精度达到99.32%,比典型分类器高至少1.01个百分点;在低分辨率影像分类任务中,总体分类精度达到99.6%,比典型分类器高至少1.6个百分点。对于不同分辨率的遥感图像,核联合稀疏表示分类器都能够有效提高模型训练过程中样本特征的识别率,具备出色的学习效果和分类性能。第二,提出一种基于决策规则的红树林遥感图像语义理解方法,结合稀疏表示分类器的分类结果作为决策特征,划分红树林和非红树林区域;基于空间域和光谱域提取特征进行可分性分析,然后基于最大信息增益准则选择最佳分裂属性,生成语义树,对红树林区域进一步分割为长势优和长势差的两类,提取语义规则。结果表明,提出的方法能有效识别生态区地物类型以及红树林划分类型。