本论文选取了杭州市47种常见植被作为研究对象，包括草本地被2种、草本植物5种、针叶木本植物9种、阔叶木本植物31种，利用ASD FieldSpecPro FR野外光谱辐射仪测量样本的光谱反射率数据。根据不同植被的光谱反射率信息所反映的光谱特征，分析不同植被光谱之间的差异性和相同性。本文基于聚类分析法和神经网络法对不同样本之间光谱反射率数据进行分析，找到最佳的识别方法。利用相关性分析划分通道，利用波谱降维公式得到降维压缩后的波谱曲线，同时也利用分析出的最佳识别方法自组织竞争法对原始波谱曲线和降维后的波谱曲线进行分类识别，从而对通道划分的合理性进行了检验。具体结果如下：（1）从47种植被的光谱反射曲线上可以看出，不同植被的光谱反射曲线具有相同的变化趋势，但是在局部特征上还是表现出了细微的差异。（2）聚类分析中的类平均法的分类结果比最短距离法和重心法合理；神经网络分类法中，自组织竞争法更佳。类平均法与自组织竞争法相比，类平均法能够将植被在大的类别上区分出来，但是在进行进一步细分的时候分类结果不如自组织竞神经网络法细致，总体上来说，自组织竞争法的分类效果最佳。（3）通过相关分析划分的通道显示，23个通道中11个通道宽度较窄，能够有效地识别植被之间的差异，其中，6个通道位于红光波段内，4个通道位于近红外波段内，说明能够有效识别并区分不同植被的波段大部分位于红光波段和近红外波段内。（4）23个通道划分的光谱以较少的数据保留了400nm-2500nm之间不同植被之间的差异，减少了数据的冗余，有效的对原始波谱数据进行了压缩，对遥感的数据降维提供一种途径。