任何生物的生存与发展都依赖于森林,是陆地生态系统最主要的植被类型,森林的的内部结构复杂多样,生态变化过程十分明显。对于全球范围的气候变化而言,森林起着至关重要的调节作用。在研究植被的时空变化时,森林具有重要的科学研究意义,首要任务就是对森林资源进行调查与实时动态监测。作为我国面积最大的国有天然林区和重要的森林资源储备基地,大兴安岭地区在我国林业生产中处于重要地位。传统意义上对于森林资源信息的调查,无法确保所获信息的准确性和实时性。近年来,利用遥感技术对森林类型进行分类,得到了很多成功的经验,有利于我国森林信息更新工作的开展,加速了我国林业生态环境体系与数字林业的建设。所以,利用遥感技术对大兴安岭地区森林主要树种类型进行分类和动态监测,对于我国森林资源的管理监测和调节森林可持续发展起着重要作用。本文以Landsat遥感影像为主要数据源,借助等DEM其他辅助数据,以黑龙江省大兴安岭地区为研究区,并对遥感影像进行了数据预处理;运用CART决策树分类方法、最大似然法和决策树分类法,对研究区典型地物信息进行分类提取,利用实测数据对分类结果进行精度验证,经过拼接镶嵌等分类后处理,得到研究区的分类结果。主要研究成果包括:(1)大兴安岭地区树种分类中,将研究区分为7个类别。采用了基于植被指数的决策树分类方法进行分类,总体分类精度为75.46%,精度最低;最大似然法的总体分类精度达到82.9%,但结果中也存在较多的错分和漏分现象;采用机器学习CART决策树算法,根据样本数据自动挖掘分类规则进行分类,总体分类精度为86.62%,Kappa系数是0.84,分类精度最高,尤其较好地提取了樟子松和白桦,说明在中尺度的树种分类中,CART决策树分类法具有比传统分类方法较高的优势。(2)采用分类精度最好的CART决策树分类法,对2005、2010和2015年大兴安岭地区地物进行分类,在此基础上研究了2005-2015年间森林植被类型在不同纬度和不同下垫面上面积的变化。森林总面积增加了5353.92km2,落叶松和白桦的面积增加,而樟子松的面积在减少。樟子松在N54°00′~53°00′纬度区面积增加,其他纬度区面积都在减少,樟子松在向高纬度地区移动;落叶松在N53°00′~52°00′和N52°00′~51°00′纬度区面积增长,N54°00′~53°00′和N51°00′~50°00′纬度区面积减少,国家护林计划取得良好效果;白桦面积在各个纬度区都增长。(3)结合2005、2010和2015年大兴安岭森林树种分类图和大兴安岭地区的不同冻土类型分类图。通过分析2005-2015年间大兴安岭不同冻土区上的森林树种时空变化,发现三期分类结果图中岛状多年冻土区白桦和落叶松都呈增长的趋势,而樟子松面积呈下降趋势;而三期结果图中,大块连续多年冻土区白桦和樟子松面积都呈增长趋势,而落叶松面积减少;2005年大块连续多年冻土区落叶松比岛状多年冻土区的落叶松所占的面积多,但是2015年岛状多年冻土区落叶松比大块连续多年冻土区所占的面积多;而对于樟子松而言,情况则恰恰相反;三期结果图中,白桦都是岛状多年冻土区生长的面积比大块连续多年冻土区多。