近年来利用遥感影像光谱特征与林分参数的较强相关性反演林分参数一直都是研究的热点。在以往研究中针对国产高分卫星数据尤其是GF-2的研究较少,而且关于影像分辨率变化对林分参数反演的影响有待探索。为了进一步探索国产高分遥感数据在林分参数估测中的可行性和适用性,以及分辨率变化对遥感影像特征反演林分参数的影响,本研究利用5种不同分辨率的国产高分遥感数据GF-1、GF-2影像纹理特征、光谱特征及对林分结构有影响的地形因子,结合研究区落叶松地面调查样地数据,对落叶松林分蓄积量和郁闭度两个重要林分参数进行反演研究,实现大范围、大尺度的林分参数空间分布反演制图,同时探讨国产高分卫星数据分辨率变化对影像纹理特征窗口和落叶松林分参数反演的影响规律,为人工林经营管理提供新的方法和技术参考。主要研究内容如下:(1)高分遥感数据的预处理精度影响遥感影像在林分参数反演中的应用。为了降低高分遥感影像预处理产生的误差影响,研究以GF-2遥感影像数据作为代表探讨了波段间配准误差对森林遥感信息提取的影响。遥感全色影像在正射校正时,随着控制点数量增加,校正误差先变小后变大,需要选择合理的控制点数量;多光谱影像模拟配准误差发现各地类面积变化与配准误差间存在显著的线性关系。在林业行业的应用中,GF-2影像全色与多光谱波段之间的配准误差应小于0.3像元为宜。(2)落叶松遥感信息的提取是利用遥感影像进行其林分参数反演的重要基础步骤,其信息提取的精度影响了林分参数反演应用的精度。针对高分辨率遥感影像光谱波段数少、利用光谱差异难以区分研究区落叶松和其他优势树种的问题,研究利用不同树种物候特点明显,引入了不同时相的高分遥感影像光谱特征差异,采用不同分类方法对落叶松和其他优势树种进行了区分。在落叶松遥感信息提取实验中,研究发现不同时相的遥感影像提取落叶松的分类精度不同,秋季影像总分类精度和落叶松分类精度都要高于夏季影像,结合两种时相影像的分类精度要高于单时相的分类精度,优势树种总体精度分类最高达到95.87%,落叶松分类精度最高达96.83%。(3)影像纹理特征最优窗口大小与影像分辨率和样地大小有关。研究探索了纹理最优窗口的变化规律,当窗口对应的面积与样地面积较为接近时,其窗口大小为最优纹理窗口。这为高分遥感影像最优纹理窗口的选取提供了数据参考依据,可以减少一定的纹理计算量,非常具有实际应用价值。(4)研究分析了分辨率的变化对影像纹理特征反演落叶松林分参数造成的影响,发现分辨率的提高对遥感影像纹理特征反演林分参数具有一定的促进作用,但不宜过高,分辨率过高时其它非目标类的纹理特征干扰信息增多,会降低纹理特征反演模型精度。此外在进行落叶松林分参数反演时,宜选择分辨率优于8m的高分遥感数据作为数据源,模型R2adj可达到0.6以上。本研究筛选的最优林分参数估测模型为基于1m分辨率的GF-2融合遥感数据模型。分辨率的提高在一定程度上可以提高遥感影像纹理特征反演林分参数模型的精度,这也可以应用于其他分辨率的高分卫星影像模型反演中。(5)研究探讨了地形因子在高分遥感影像反演林分参数模型中的重要影响,发现地形信息的引入可以更好地提高国产高分遥感影像反演落叶松林分参数的模型精度。随着遥感影像分辨率的不断提高,在引入地形信息后,林分参数模型反演精度逐渐升高,在分辨率为8m时精度达到0.6。其中1m分辨率的GF-2融合影像反演精度最高,郁闭度和林分蓄积量模型R值分别为0.819和0.903,R2adj分别为0.646和0.804。研究解决了利用遥感影像反演林分参数模型在大尺度、大范围的适用性问题,同时填补了 GF-2遥感数据在不同林分参数高精度定量反演研究中的空白,实现了新型国产卫星数据在森林资源调查与监测中的应用与创新。