森林资源作为一种自然的可再生的资源，在支持经济社会发展中有着不可替代的作用。为了适应林业发展的需求，遥感技术已经被应用在大尺度范围内的森林资源调查中，但是由于受到多种条件的制约，对树种的分类精度产生了一定的影响。随着遥感技术的不断发展，遥感影像的空间分辨率得到了进一步的提高，因此开展基于高分辨率遥感影像的森林资源信息提取与应用研究具有非常重要的意义。　　 本研究在分析目前利用高分辨率遥感影像进行林地树种分类的基础上，以航空影像作为数据源，围绕林地区域提取、影像分割方法、树种特征提取和分类器的设计等关键技术开展研究。在前人研究的工作基础上，提出了基于形态学梯度的林地区域提取方法，改进了色彩结构码分割方法，提出了基于形态学纹理的林地树种特征提取方法，提出了基于决策融合的支持向量机分类方法。　　 首先，研究林地和非林地在数据源航空影像中所表现出来的光谱特征和纹理特征。结合这两种特征利用阈值分割得到林业区域掩膜影像，为后续的林地树种分类奠定了基础。　　 其次，研究并改进了色彩结构码分割方法，该方法在分割的连接过程中将影像中地物目标的边界信息结合，引入最小异质性规则，并以色度、饱和度、亮度(HSI)色彩模型为基础确定色彩差别。　　 再次，研究了基于多尺度形态学纹理特征对树种特征进行提取的方法，然后采用核函数优化后的支持向量机进行分类。实验结果证明本文的林地树种纹理提取方法能够获得较好的分类结果。　　 最后，研究了基于决策融合的支持向量机方法在航空影像分类中的应用，该方法能够将航空影像中不同的地物特征有机地结合，在对林地树种分类中能够有效提高分类器的分类能力。