落叶松是我国重要的人工用材树种,其种植面积在人工乔木树种中排名前十。广泛种植的落叶松带来了巨大的经济效益,满足了人类的用材需求和生态需求,但落叶松人工林种植面积大、周期长,其空间分布尚不明确。利用遥感技术精确获取落叶松人工林的空间分布,对森林经营管理、监测规划和生态系统功能评价具有重要意义。本文以黑龙江省佳木斯市孟家岗林场和辽宁省抚顺市清原满族自治县大孤家林场的落叶松人工林为研究对象,基于GF-1和GF-2遥感影像,从不同时相和不同空间尺度两个方面开展落叶松人工林提取研究。针对孟家岗林场探讨纹理特征提取方法和纹理参数选择对分类精度的影响,研究多时相多特征综合及特征优选对分类精度的影响,确定适宜的落叶松人工林遥感识别特征。针对大孤家林场探讨不同空间分辨率遥感影像光谱特征和纹理特征对落叶松人工林提取的影响,确定适宜空间分辨率。主要结论如下:(1)基于单时相GF-1影像纹理特征的落叶松人工林提取。灰度共生矩阵(Gray Level Co-occurrence Matrix,GLCM)纹理参数对分类精度影响较大,其中窗口大小对纹理效果的影响最显著,其次是方向,最后是像元间距。通过对不同方向和不同窗口下的纹理特征进行最大似然分类试验得出,最佳窗口大小为15×15,方向为90°。分析纹理特征值随像元间距的变化发现,均值、方差、同质性、相异性、熵、二阶距的像元间距取1,对比度的像元间距取2,相关性的像元间距取3时,落叶松人工林与各地物的可分性最大。不同半径的均匀局部二值模式(Local Binary Patterns,LBP)纹理特征对分类精度的改善效果无明显差异,半径为1、采样点为8的均匀LBP纹理特征既能提高分类精度,又能提高计算效率。GLCM纹理特征和均匀LBP纹理特征结合能改善单时相影像的分类效果,与光谱特征分类结果相比,总分类精度和落叶松提取精度分别提高了3.35%,2.67%。(2)基于多时相GF-1影像的落叶松人工林提取。利用多时相影像光谱特征、纹理特征、植被指数、地形因子和纹理特征差值速率构建落叶松人工林遥感提取特征空间,采用随机森林进行特征重要性排序和分类。研究表明,通过特征优选可实现数据降维,确定适宜特征集,提高分类精度。在孟家岗落叶松人工林信息提取中,该适宜特征子集的总分类精度和落叶松人工林提取精度分别为89.25%和91.08%。不同类型的特征具有不同的重要性,植被指数相对重要,其次是光谱特征和纹理特征。对比不同纹理特征的重要性发现,GLCM纹理特征的重要性高于均匀LBP纹理特征,且10月影像的GLCM纹理对分类的贡献度大于5月、7月影像的GLCM纹理,其中均值是最重要的纹理特征。(3)基于不同分辨率影像的落叶松人工林提取。以大孤家林场为研究区,设计三种分类组合,采用最大似然法、支持向量机和随机森林三种方法对不同分辨率影像进行落叶松人工林提取。研究表明,在大孤家林场的落叶松人工林提取中,4m是适宜空间分辨率,分类精度和落叶松人工林提取精度分别为91.85%和94.2%。纹理特征可改善分类精度,但需根据目标地物选择合适的空间尺度,空间分辨率越高,纹理特征对落叶松人工林提取精度的改善效果越显著。在不同分辨率影像上,支持向量机和随机森林的分类结果优于最大似然法的分类结果,满足树种遥感信息提取的精度需求。