植被是山地生态系统不可或缺的一部分，是环境的重要因素，也是反映区域生态环境质量的最好标志[1]。客观掌握山地植被类型及其分布特征，对了解山区生态环境和气候空间变化具有重要意义[2]。遥感技术的飞速发展为实现山地植被的高精度提取提供了途径，但由于山区地形地貌复杂，遥感数据对植被的精细提取仍存在较多问题。植物群落间差异小，边界不明显，偶有采伐或原生山地植被发生新的变化，以及由于测量技术和缺乏对比数据而限制了植被覆盖度的监测，都对植被分类提出了巨大挑战。因此，采用人机交互的方式，将先验知识与经验参数充分运用到分类模型中，同时辅以纹理[3-4]、海拔[5-6]、地形地势[7-8]等信息进行分类来获得更准确的遥感解译成果[9-10]，已成为当前的研究热点。

何鸿杰等[11]利用光谱、纹理和地形信息构建了分类与回归决策树(CART)，实现了对西北农牧交错带植被信息的提取。陈波等[12]辅以纹理、地形因子等进行面向对象分类，提取了川西南攀枝花市部分山区土地利用信息，分类总体精度达90.57%，Kappa系数达0.889 2。张友静等[13]采用面向对象分类法，利用分割对象的空间和光谱信息对城市植被进行分类，提取的6种城市植被类型的分类总精度达85.50%。上述研究大多是基于地形、光谱或纹理等辅助信息进行分类的，也有针对山区地形进行研究的，但并没有明显地获得植被的垂直地带性分布规律。且国内外对于更精细的植被类别划分较少，这除了要借助高分辨率影像外，对参与分类的植被特征和分类方法也提出了更高的要求。

大理苍山位于低纬度亚热带地区，海拔梯度大，是研究山地植被垂直地带性的典型山体。前人已对苍山植被的垂直分布格局做过定性和半定量研究，如袁睿佳等[14]利用ETM+遥感影像和地形图对苍山东坡植被进行分类，并叠加数字高程模型(DEM)数据分析了苍山东坡植被景观的垂直分布格局，但该研究距今时间跨度长，时效性差。受遥感数据空间分辨率的影响，影像存在较多混合像元，使得信息含量低，精细提取困难。而高分二号(GF-2)高分辨率遥感影像，能够在时空分辨率上为获取当年最新森林植被信息提供便利，是林业遥感监测中较好的低成本数据源。鉴于此，本研究基于大理苍山植被垂直带谱，以纹理特征和地形因子作为分类的辅助信息，采用面向对象法提取苍山植被信息，以期为保护和建设苍山森林资源提供科学依据。