森林是全球生物圈中重要的一环,复杂多样的内部结构使得森林的生态变化过程十分明显,因此实时了解和掌握森林类型分布及其动态变化信息具有重要的现实意义。现阶段的森林类型分类研究大多基于单一遥感数据或单一分类模型展开,缺乏基于多源遥感数据的多算法对比,无法保证分类精度最优,极大制约了后续动态变化研究的开展。针对这一问题,本文选取湖南省怀化市靖州苗族侗族自治县为研究区,以ZY-1-02C影像、Planet影像和GF-1影像为数据源,结合地面控制点、靖州县界矢量文件等辅助数据,利用最大似然法、BP神经网络法、支持向量机法和随机森林法4种分类算法对经过预处理的多源遥感数据进行森林类型分类,并利用基于无人机影像和GoogleEarth影像的验证数据对不同算法的分类结果进行精度评价。研究了基于多源遥感数据的最佳分类算法问题,充分挖掘了高分辨率遥感影像在森林类型分类中的应用潜力;此外,本文还进一步对基于最优分类模型（随机森林法）的2017-2019年靖州县森林类型分类结果进行后处理,选取其中分类效果较好的2018年和2019年的分类数据,对靖州县东北部森林类型分布较为丰富的甘棠镇开展森林类型动态变化研究,为高分辨率遥感卫星数据在森林类型动态变化检测中的应用积累了经验。主要研究成果包括:（1）随机森林法具有较好的分类效果:将研究区中的地类分为阔叶林、针叶林、竹林和非林地4类,利用最大似然法、BP神经网络法、支持向量机法和随机森林法4种分类算法进行研究区森林类型遥感分类。结果表明,采用随机森林法进行分类的效果最好,在ZY-1-02C影像、Planet影像和GF-1影像中的总体分类精度分别为86.87%、88.24%、90.37%;Kappa系数分别为0.83、0.84、0.87;最大似然法的分类效果次之,总体精度分别为84.53%、86.98%、87.45%;Kappa系数分别为0.79、0.82、0.83;支持向量机法的分类效果较差,总体精度分别为68.04%、70.27%、79.42%;Kappa 系数分别为 0.57、0.60、0.72;BP 神经网络法的分类效果最差,总体精度分别为53.54%、81.83%、73.57%;Kappa系数分别为0.37、0.76、0.64。说明在高分辨率遥感影像分类中,随机森林法具有较大优势。（2）GF-1影像具有较好的分类效果:采用随机森林法对研究区ZY-1-02C影像、Planet影像和GF-1影像进行森林类型信息提取,结果表明GF-1影像的分类效果最好,总体分类精度为90.37%,Kappa系数为0.87;Planet影像的分类效果次之,总体分类精度为88.24%,Kappa系数为0.84;ZY-1-02C影像的分类效果较差,总体分类精度为86.87%,Kappa系数为0.83。说明在高分辨率遥感影像森林类型信息提取中,GF-1影像具有较大的应用潜力。（3）森林类型动态变化分析:选取分类效果较好的2018年和2019年靖州县森林类型分类结果数据,对靖州县东北部森林类型分布较为丰富的甘棠镇开展森林类型动态变化研究。2018-2019年间甘棠镇森林类型总体变化较为平缓,各森林类型间的变化情况趋于稳定:竹林变化最为明显,总面积呈下降趋势,减少总面积为2.43km2,减少幅度为33.3 8%;阔叶林变化较大,总面积呈增长趋势,增加总面积为1.73km2,增长幅度为5.80%;针叶林变化幅度较小,总面积呈增长趋势,增加总面积为0.63km2,增长幅度为1.15%;非林地总面积呈小幅度增长趋势,增加总面积为0.07km2,增幅为0.15%。说明2018-2019年间靖州县甘棠镇正处于乡镇区域发展进程中,绿色生态农业与乡镇绿化协同发展,乡镇景观效果有所提升,居民生活环境有所改善,生态文明建设与社会经济发展得到了良好结合,但林区内仍有部分林木采伐、农田开垦、道路修建等情况发生。