本研究以临安市马啸乡为试验区，结合SPOT5影像、数字高程模型和森林资源二类调查数据，研究林地与非林地的分类、阔叶林与针叶林分类以及主要树种之间的分类，找出最适合森林分类的分类方法和分类影像组合。首先，对SPOT5影像进行正射校正、辐射定标、大气校正、几何配准等预处理，对数字高程模型进行坡度坡向分析；然后，通过影像间波段组合确定出五个目标影像；最后，采用最大似然和决策树法，分别对这些影像进行分类研究。结论如下：（1）通过预先去除杂林，提取纯林，SPOT5影像分类的精度可以取得良好效果。（2）同等采样条件下，大气校正与否直接影响分类的精度，大气校正后的影像明显比大气校正前的影像分类精度高。（3）数字高程模型的参与，使得分类精度能够进一步提高。（4）对林地和非林地的分类，使用决策树法和最大似然法分类，分类精度相差不多，都可以达到98.03%；对针叶林、阔叶林、竹林分类，使用最大似然分类，分类精度更高，精度可以达到94.46%（Kappa系数为0.8939）；对主要树种分类，使用最大似然分类，分类精度更高，精度可以达到80.59%（Kappa系数为0.7293）。如此分类可以为今后的二类调查工作提供借鉴和参考。本文的创新之处：（1）对SPOT5影像，分三层分类，增加了分类的对比度,研究了SPOT5影像在森林资源分类中的潜力。（2）采用影像合成，使辅助数据逐一与SPOT5影像合成，分析得出对分类效果影响最大的辅助数据。