森林是最重要的陆地生态系统,掌握森林内树木种类及其分布状况对研究和利用森林生态系统具有重要意义。近年来,国产高分系列和资源系列卫星的陆续发射,极大地丰富了我国高空间分辨率遥感影像的数据来源,为进一步推广国产高分辨率数据在森林树种分类方面的应用,同时探究特征优选、分类方法及时相等对树种分类结果的影响,本研究以北京市延庆区八达岭国家森林公园主体部分为研究区,利用6景高分二号影像为数据源,在分层分类的基础上,展开了相关的森林树种分类研究。主要研究内容如下:(1)为探究多时相下高效精确的树种分类方法,本研究先以6景影像叠合进行树种分类研究。研究先利用支持向量机递归特征消除、C5.0及Feature Space Optimization三种特征优选方法进行特征优选,而后从四种特征维度下实现了面向对象的支持向量机、C5.0决策树和随机森林的森林主要乔木树种分类,最终取得了总体精度介于73.50%至89.00%之间,Kappa系数介于0.70至0.87之间的较好结果。结果表明:C5.0特征优选方法耗时最短(0.67s)且其所选特征应用于分类取得了最高的总体精度(89.00%);C5.0决策树在各个特征维度下的表现均最差,支持向量机分类的总体精度比随机森林平均高出1.37%且其整体表现更为稳定,但随机森林的运算效率更高;三种分类器对特征维度均不敏感,但良好的特征优选结果仍会对分类器的分类效率(最高提升95.29%)和分类精度(最高提升9.50%)产生较大影响。(2)同时为探究不同时相、分类特征及分类器的组合对树种分类结果的影响,本研究又利用6景影像中的3景构建了3种单时相和4种多时相,而后通过C5.0特征优选及支持向量机和随机森林两种分类器分别实现了不同时相及特征维度下面向对象的8个乔木树种的分类,最终取得了总体精度介于63.50%至83.50%之间,Kappa系数介于0.57至0.81之间的良好结果。结果表明:时相的选择会对分类结果产生较大影响,其中基于多时相的结果往往优于单时相,多时相下不同影像组合间以及单时相间亦存在明显的精度差异;特征优选会对分类精度的提升起到积极作用,应予以足够的重视;支持向量机在不同时相及特征维度下表现均较为稳定,在单时相及分类特征难以直接区分树种的情况下应优先使用支持向量机,但使用支持向量机时应注意其易发生过拟合;随机森林不易发生明显的过拟合,但其对分类特征的质量依赖较大,并倾向于在良好的影像组合下取得较为优异的结果。