森林公园地类复杂、树种繁多,人为干扰严重,风景林主要树种的遥感分类可以为风景林可持续经营规划提供科学依据。本文以南京市紫金山森林公园为研究对象,以2011年12月的WorldView-2影像数据为主要数据源,在波段组合对比优选的基础上,分别采用分类与回归树(CART)、神经网络法和支持向量机3种分类方法对研究区风景林主要树种进行遥感分类。研究表明:研究区最优的波段组合是368。分类与回归树(CART)监督分类精度最高,Kappa系数是0.85,总体分类精度是87.10%;其次是支持向量机分类法,Kappa系数是0.73,总体分类精度是76.91%;神经网络法分类精度最低,Kappa系数是0.70,总体分类精度,是73.85%。在CART分类结果中,大部分树种分类精度较高,国外松(Pinus elliottii)和柏树(Platycladus orientalis)分类精度低。植被覆盖度是描述地表植物覆盖状况的一个综合指标,本研究基于改进NDVI的像元二分模型来估算研究区的植被覆盖度,并进行分析。研究表明:紫金山中部、西南部和东南部的地形条件限制了人类对土地的大规模开垦和利用,植被覆盖度较高;植被覆盖度低的区域除了水域外,大多数分布在地势较低的平地地区,另外还有一小部分分布在紫金山山脊的北部地区,这部分地区由于陡坡较多,林木密度低且大多数是树形较小的落叶树种,导致了影像上的阴影暗区,光谱特征值异于普通植被,无法正确估算其植被覆盖度,故而未对阴影部分加以研究分析,而是直接归类为低植被覆盖区。森林生物量是反映森林生态系统功能的重要参数,本研究结合2011年9月野外实地调查的90块固定样地数据,以5个植被指数因子、7个纹理特征因子、2个光谱特征因子、2个人为因子和3个地形因子为自变量,建立多元线性回归、随机森林、装袋算法和K最邻近算法4种遥感估测模型。基于十折交叉验证,采用相关指标进行验证。指标包括相对误差、相关系数、均方根误差和绝对误差。在此基础上,对紫金山森林公园地上生物量进行分析。研究表明:模型估测中,随机森林的综合性能最高,多元线性回归次之,K最邻近算法第三,装袋算法最低;在19个自变量中,光谱特征第7波段、纹理特征均值、地形因子海拔以及差值植被指数是影响紫金山森林公园地上部分生物量的重要环境变量;研究区域生物量变化剧烈的林分位于海拔较高、坡度陡、人口稀少的紫金山中部和北部地区,而变化较为平缓的林分则多处海拔较低、坡度较为平缓、离道路和居民点相对较近的紫金山南部地区。