竹林是热带和亚热带地区一种分布广泛的森林资源类型,其加工利用方便、综合效益良好。同时,竹林具有良好的固碳能力,确定竹林分布的面积是评估竹林在全球碳循环中对于二氧化碳吸收作用的基础。相比于其他森林,竹林扩鞭出笋,克隆生长,具有面积自我扩张功能,传统的确定大范围竹林面积与空间分布的方法耗时费力,常常不能满足竹林监测的需要。利用遥感手段对竹林信息进行监测很好地弥补了传统手段在这方面的不足。本次研究以竹林为主要研究对象,采用多尺度遥感技术(Landsat 8 OLI、MODIS及其他辅助数据),以层层分类的方式建立中等分辨率影像结果为参考数据的多元线性省域尺度竹林提取模型,模型所需变量加入了时间序列季节性参数,并采用随机森林方法进行特征选择及竹林信息提取,与新建模型进行对比,再对主要影响竹林估算精度的因子进行分析,得到以下结论:(1)基于近红外与短波红外波段的植被指数NDWI在竹林信息提取中要比其他植被指数更有效。相比单纯的植被指数或者匹配滤波的方法,基于植被指数NDWI与匹配滤波的混合方法拥有更好的竹林信息提取能力,提供了一种新的快速而准确地竹林分类制图方法。(2)在MODIS数据中,常规波段的近红外(845–885 nm),短波红外1(1560–1660 nm),植被指数的LWSI、SATVI和NDSVI,季节性参数中EVI时间序列的base value和end of season对于省域尺度的竹林信息提取最有效果;NDVI和EVI时间序列中,都存在竹林的生长季振幅大于阔叶林的情况。综合来看,EVI时间序列对于植被生长变化更加敏感。(3)从随机森林方法来看,将所有41个变量放入算法中得到的竹林信息提取结果总体精度优于其他变量组合所得结果,其次是植被指数变量的随机森林信息提取结果。EVI季节性参数在竹林信息提取中要远优于NDVI季节性参数。从多元回归模型方法来看,采用LWSI,SATVI,NDSVI,EVI_base value和EVI_end of season所构建的模型总体精度要比使用常规波段(b2,b4,b5和b7)所构建的模型精度高。综合来看,利用少数5个变量构建的省域尺度竹林信息提取模型与随机森林算法结果相比虽然精度不及,相差1.30%,但是能大大缩短竹林信息提取的时间,提高提取的效率,降低对计算机硬件配置的要求。(4)遥感处理过程、空间格局以及像元本身混合程度都会对所构建模型精度产生影响。在空间景观格局中,无论是斑块类型尺度还是景观尺度,所构建模型的精度都与描述空间上斑块或者景观聚集程度的指标有较大的联系。像元内部混合程度也会影响所构建的竹林信息提取模型的精度。