高光谱遥感技术的出现为解决森林树种及树种组的精细识别难题提供了有效的途径。论文从叶片光谱数据与高光谱遥感数据两个层次对树种分类进行了分析研究。针对高光谱遥感数据波段多、数据量大等问题对叶片高光谱数据进行了可重复双因素方差分析检验、特征波段提取与分类。运用可重复双因素方差分析法对15种树种的叶片高光谱原始数据进行了差异性检验,结果表明不同树种的叶片光谱差异性显著,利用树种叶片光谱数据进行树种鉴别是有潜力的。直接利用高光谱遥感技术进行树种鉴别时,会有波段多、数据量大、冗余度大等问题,运用微分法(光谱一、二阶微分)和包络线去除法等不同光谱特征的选择方法对特征波段进行了提取,通过分析15种树种叶片的原始光谱、光谱一阶微分、光谱二阶微分和包络线去除曲线图,选择差异较大的波段用于鉴别不同树种,利用欧氏距离对所选择的波段进行检验树种识别效果,结果显示选择的波段能有效地区分不同树种。区分不同树种的有效波段大都位于近红外波段,并且差异最大的波段也是近红外波段。利用EO-1 Hyperion数据对实验区进行了树种分类。本文首先使用基于变换的主成分分析法对Hyperion高光谱图像数据降维,后利用最大似然分类法从图像上将居民点、农地和水体等非林地提出来,然后结合野外实地调查数据,使用基于非变化的波段指数、分段主成分分析、光谱微分(一阶、二阶微分)和包络线去除等5种方法对有林地高光谱遥感图像进行特征选择及提取,再对树种进行分类;结果表明此5种方法的总体分类精度都大于85.0%,Kappa系数都在80%以上。由此可知,这5种方法提取出的波段都能反映不同树种间的差异,能很好地把雷竹、常绿阔叶林、落叶阔叶林、毛竹、马尾松、杉木和杂竹等七种森林树种及树种组区分出来。高光谱遥感技术的运用能够克服多光谱遥感树种分类困难的问题,达到较高的分类精度,满足森林资源调查的需要。波段指数法、分段主成分分析法、光谱微分法、包络线去除法等方法提取特征波段,能够有效降低高光谱维数,消除高光谱数据的冗余性,又能帮助提高分类精度,其中光谱微分法和包络线去除法可增强不同树种间的光谱差异,分辨重叠光谱。此5种方法是高光谱遥感树种分类过程有效降维的方法。