桉树是中国南部主要的人工经济林树种之一,其速生丰产的特点创造了良好的经济效益,引发了大规模的快速扩张和无序种植。桉树的大规模栽植行为对土壤水分、养分和生物多样性构成重大威胁,因此监测桉树林种植空间分布信息对区域人工林可持续发展和生态保护具有重要意义。目前,传统的桉树林调查方法主要依靠林业资源清查统计分析,效率较低。随着遥感技术的发展,遥感数据在森林资源清查等方面广为应用,有助于人工林森林结构的大范围监测,但光谱信息不足,限制了它在林业遥感中的应用效果。随着我国首颗搭载“红边”波段的高分六号（GF-6）卫星成功发射,对植被特征较为敏感的红边波段为桉树林业遥感提取带来了更大的应用前景。因此,本研究基于高分六号卫星影像特征,分别采取多尺度分割下的CART（Classification and Regression Tree）决策树分层分类提取方法和SNIC（Simple Non-Iterative Clustering）超像素+SVM（Support Vector Machines）算法进行面向对象的桉树林信息提取。本文主要研究内容和结果如下:（1）从面向对象多尺度分割的理论出发,选取最优分割参数进行多尺度分割,并构建桉树林提取的类层次结构。根据GF-6波段光谱信息定义红边指数特征,采用SPM（Salford Predictive Modeler）模型构建CART决策树,实现分类提取过程的自动特征筛选和阈值设定。实验得出基于多尺度分层分割方法的CART面向对象桉树林信息提取总体精度达到91.75%,Kappa系数为0.84,F1-Score为0.92,一致性验证结果为高度一致,显著优于基于像元的方法,验证了该方法应用于桉树林信息识别提取的可行性。（2）提出SNIC超像素和SVM相结合的分类算法,在GEE云计算环境下通过代码编程实现了GF-6影像多特征提取与分类识别全过程。SNIC超像素算法下的桉树林信息提取研究取得了很好的成果,结合红边信息的特征组合方案获得的最高总体精度为91.74%,F1-Score达到0.91。基于SNIC超像素的方法相比于基于像元的方法,结果完整度和准确度更高。本研究提出的面向对象SNIC+SVM算法可以快速执行,能够准确高效的识别桉树林种植面积和空间分布,适合应用于林业部门和生态保护机构对桉树人工林大规模化种植的有效监测和管理。（3）引入GF-6卫星数据新增波段,并构建基于其派生的红边指数特征,通过多特征组合方案对比分析,表明GF-6红边数据有效提高了分类提取精度,增强了植被信息,在桉树林信息提取中具有显著贡献。同时,验证了GF-6卫星的红边波段作为植被光谱的敏感谱段的有效性,能够有效反映桉树人工林特征差异。因此,国产GF-6卫星宽幅多光谱数据在桉树林业资源管理和遥感监测中具备较好的适用性和可靠性。