森林经理小班是森林资源调查和经营的基本单位,合理正确的小班区划是森林资源监测的基础性工作之一。传统的森林区划方式是人工“对坡勾绘”小班边界,这种方式工作量大,主观性强,误差较大。基于高分辨率遥感卫星影像,采用支持向量机理论方法自动提取森林小班边界,可望提高森林小班区划的效率和精度。本文利用2015年高分二号卫星遥感影像,在NDVI的提取和主成分分析的基础上进行影像分割。以经过处理的实际小班边界为样本,基于SVM法,选取径向基核函数对影像进行分类并提取森林小班边界。以面积相对误差作为评价指标对提取的森林小班边界进行精度评价。主要研究成果如下:(1)对于郁闭度较大的森林小班边界提取研究,影像分割要适当欠分割,影像分割的最佳分割组合为分割尺度85,合并尺度95。(2)利用SVM的线性核函数,多项式核函数,径向基核函数和Sigmoid核函数分别分类提取森林小班边界,四种核函数分类精度相差不大,径向基核函数的分类提取小班边界面积相对误差最小,分类提取精度最高。(3)SVM法和最大似然法、神经网络法以及马氏距离法三种方法相比,面积相对误差最小,森林小班边界提取精度最高,为87.69%。最大似然法的森林小班边界提取精度仅次于SVM法,为87.46%。(4)以实际小班边界作为样本的SVM法分类提取的小班面积相对误差为12.31%,分类精度为87.69%;以在影像上选取的地物为样本的SVM分类提取的小班面积相对误差为42.65%,分类精度为57.35%,前者比后者精度高30.34%。