本文是以中山陵园景区为研究区域,在对原始数据SPOT5 遥感影像进行几何校正、地形校正和光谱特征分析的基础上,对遥感影像进行了一系列常规处理,如反差增强、比值增强、主成分变换、缨帽变换、MNF 变换、假彩色合成等;在探讨分析多光谱波段影像的信息熵、均值、方差、相关系数等统计特征后,计算波段不同组合的协方差行列式和最佳指数(OIF),得出对于SPOT5 而言,原始波段最佳的彩色合成组合是波段4、波段2、波段1,综合几种影像变换后,混合波段的最佳彩色合成组合是PC1、BR、MNF1。　在对影像的融合技术进行了研究的基础上,采用了HIS 变换融合、K-L 变换融合、K-T变换融合、线性加权融合、Brovey 变换融合和小波变换融合等方法对SPOT5 高分辨率的全色波段影像和低分辨率的SPOT5 多光谱波段4、2、1 影像进行融合,其中对传统的小波融合算法进行了改进,并对融合后的影像分别从主观和客观两方面进行了定性和定量的评价,其中客观评价分别以亮度信息、空间信息和光谱信息为指标,具体计算了各特征影像的均值、方差、信息熵、清晰度和相关系数。再以各种融合影像为分类底图,实施了监督分类,在分类中采用了在专题矢量图件与种子像元扩展紧密相结合的训练样本优选法基础上,用众数滤波器对训练样本进行纯化的样本提取方法,主要分类器选用了传统的最大似然法、最小距离法和马氏距离法,同时也初探了基于决策树与传统分类器(马氏距离法)相结合模型的遥感影像自动分类方法。最后对分类后的影像进行了分类后处理,包括聚类统计、过滤分析、和去除分析,剔除了分类专题图像中的小图斑,无论从制图角度还是从实际应用角度,都得到了最终相对理想的分类结果。最后对多种特征影像的分类精度进行了客观评价。　研究证明,SPOT5 融合后的影像既保留了多光谱影像的丰富光谱信息,又不同程度提高了空间分辨率,很大程度上改善了目视解译效果和自动分类效果。其中Brovey 变换融合、小波变换融合和K-L 变换融合都是良好的融合方法,在森林面积资源清查中有很好的应用前景,但对研究区域分至三级森林类型,共11 个类别时,其最高的总体分类精度只能达到74.60%,总体Kappa 系数也只有0.6972,与实用要求相去甚远。通过尝试引进决策树思想,先提取出容易混分的地物类型,再对其混分类型进行分离,并用马氏距离法对剩余影像进行计算机分类,最后归并各个地物类型。发现其最终分类的总体精度和Kappa系数都有所提高。