东南亚森林是世界三大热带森林之一，也是过去几十年森林减少最明显地区之一。研究该区森林覆盖分类，对研究碳平衡、生物多样性保护、森林资源可持续利用等有重要意义。本研究选择东南亚大陆区之一的中南半岛进行2010年热带森林分类，行政区域包括缅甸、泰国、越南、老挝、柬埔寨5国。　　本研究基本思路是:把热带森林分类分解为两步-森林分割与森林分类。　　森林分割阶段的主要目标是区分森林与非森林。使用了多种遥感数据:(1)MODIS13Q1数据（包括NDVI、DOY以及QA数据产品）;(2) ALOS PALSAR数据(雷达L波段数据，50m);(3) MODIS-VCF数据产品。数据时空覆盖能力与时空分辨率各具特色，具体数据分割方法选择了基于像元和面向对象的多尺度分割。综合两种数据的分割结果得到250m尺度和50m尺度的森林边界矢量图，最后通过采样点和面积统计验证以及数据融合得到了中南半岛地区的森林边界图。森林分类阶段的主要任务是对森林内部进行细分。主要参考3类数据:(1)宏观的生物气候带区划;(2)像元尺度的森林物候曲线(250m);(3)研究区DEM数据、降水和温度数据(250m-1000m)。其中，生物气候带是利用文献的研究结果进行划分;森林物候是在2010年MODIS-NDVI16-day时间序列基础上经过加密重建后提取;DEM数据、降水和温度数据作为辅助数据，主要是用来划分生物气候带，进行森林内部分类。最后利用30m的环境卫星数据聚焦变化敏感区，对人类干扰较为严重的地带进行分类，分析森林变化的主要影响因子。　　对森林分类精度验证主要采用3类数据:(1)世界保护联盟保护区数据库中的森林部分，主要验证原生类森林;(2)经过地理定位的野外考察照片，主要验证次生林;(3) Google Earth高分辨率遥感影像。　　通过对以上数据的处理，主要发现如下:　　1、由于中南半岛特殊的气候和地理特征，使用单一数据进行森林分类的误差很大，需要综合多种数据源避免云、雨等的干扰。ALOS PALSAR雷达数据对热带森林的监测作用较光学影像数据效果更好，但是对热带森林内部随季节变化特征表现不明显的林种监测效果较差，只能简单地区分出森林和非森林。　　2、经过SG拟合法加密和重建后的MODIS NDVI时间序列数据，对森林物候曲线的模拟效果更好，能够有效去除NDVI噪声，NDVI整体有所提高。但湿润季节较干燥季节的滤波效果差。　　3、在30m尺度下，聚焦森林变化敏感区，对森林干扰较为明显的地区进行分类，能够分析得出森林变化的主要影响因子主要来自于人类活动的干扰。　　4、通过生物气候带划分方法对森林内部进行分类的效果较好，精度可达到88％，Kappa系数达到0.86。