森林生态系统作为陆地上最大的生态系统,与人们的生活息息相关,植被类型的准确识别是利用遥感技术研究森林资源的基础。目前,遥感技术在植被识别中的应用,主要集中在植被类型单一的地形平坦区域。云南省普洱市为典型的山区地貌,地处亚热带与热带过渡区域,受亚热带季风气候的影响,森林类型丰富,植被多样。本实验结合多源数据的特点,以2014年机载AISA Eagle II高光谱和LiDAR数据为基础,提取点云高度特征和高光谱影像中光谱与纹理特征,采用主成分变换(Principal Component Analysis,PCA)融合方法,选用支持向量机(Support Vector Machine,SVM)分类器,对普洱山区主要树种进行识别分类,为实验区域森林的生态监测和可持续经营提供数据支持。主要结论如下:1、基于TerraScan点云得到数字表面模型(Digital Surface Model,DSM)与数字高程模型(Digital Terrain Model,DEM),获取实验区数字冠层高度模型(Canopy Height Model,CHM),用来反映植被的高度。2、选择适合山区影像校正的ACTOR4和综合辐射校正模型(Integrated RadiometricCorrection,IRC)完成大气、地形辐射校正,得到较为准确反映地物特征的实验区高光谱影像。3、PCA主成分变换实现机载AISA Eagle II高光谱和LiDAR数据基于特征级的融合,测得融合影像最佳指数因子OIF=81.25,融合效果较好。4、将SVM分类器应用到融合影像的分类,选择径向基核函数(Radial Basis Function,RBF),设定惩罚因子C=3,参数Gamma=0.008,最终将实验区内主要树种分为思茅松、西南桦、刺栲、木荷等,其中万掌山实验区分类精度和Kappa系数分别为80.54%、0.78,比单一高光谱影像数据分类的总体精度和Kappa系数分别提高8.85%、11.43%;菜阳河实验区分类精度和Kappa系数分别为72.55%,0.69,比单一高光谱影像分类的总体精度和Kappa系数分别提高5.44%、9.52%。5、在植被分类影像后处理中采用主/次要分析法有效改善了分类中出现的“椒盐”现象,制作了万掌山实验区树种分类专题图。6、根据主要树种分类结果,结合两个实验区发展目标提出了相应的森林经营措施建议:(1)万掌山以思茅松人工林为主,通过营造针阔混交林,改善森林结构,实现可持续发展目标;(2)菜阳河是以常绿针阔混交林为主的天然林区,植被丰富,采取人工促进天然更新经营方式,实现建成多功能森林生态系统的目标。