森林是地球表面一种重要的覆被类型，它对维持全球生态平衡具有不可替代的作用。森林植被信息的准确获取是森林资源管理中最为重要的问题，山区森林由于其特殊的分布位置，加大了信息提取的难度。探究山区森林植被信息提取的有效方法，是森林资源清查和管理中亟待解决的问题。本研究针对此问题，采用“北京一号”小卫星影像和SPOT-5影像，结合地理辅助数据，分别从北京西北山区和八达岭林场两种尺度上，采用模糊C-均值聚类和支持向量机法对山区森林植被进行分类研究，得到如下主要结论：(1)在山区影像融合中，Gram-Schmidt光谱锐化法是最佳的融合方法；(2)对于光谱特征复杂的山区，模糊C-均值聚类法能够提高森林植被的分类精度；(3)支持向量机法是一种很有潜力的分类方法，能够提高森林植被的分类精度。基于灰度共生矩阵产生的纹理信息能够增加支持向量机法的分类精度。不同的窗口大小产生的纹理信息影响分类精度，3×3和5×5窗口是提高分类精度的最佳纹理窗口。不同核函数对分类精度的影响不显著。