正确地识别森林树种是林业利用、保护和管理的基础和依据。高光谱数据能够准确的探测到各种地物的细微光谱差异，极大的提高森林树种的识别精度，为获得更准确的森林树种分布提供强有力的工具。本研究利用高光谱图像提取单株冠层的纯净波谱值进行树种识别，取得了较高的识别精度。

基于高光谱数据的树种识别总体思路

总体研究思路包括：首先，通过激光雷达数据对植被冠层进行建模、识别、分割；然后，对高光谱数据进行像元分解，以像元值为参数，以像元内植被覆盖度为权重，通过加权方法计算获得单个冠层的相对纯净波谱值；最后，使用支持向量机进行面向对象的物种识别。

主要研究方法—面向对象的波谱特征提

1） 树冠分割：

主要以局部最大值算法探测树木顶点，以相邻树木最低点分割冠层。

2） 像元分解

线性光谱混合分析模型（Linear spectral mixture analysis, LSMA）假定像元的反射率为各端元反射率的线性组合，通过计算像元内不同土地覆盖的定量信息有效地解决地物分类中的混合像元问题。本文采用带约束条件的线性混合分析模型提取像元中光照叶片、遮荫叶片、草地、和不透水等地物所占面积的比例。

3） 冠层波谱特征计算

研究区主要覆盖的地物有建筑物、道路、草地和林木等，而由于冠层两侧光线的差异，单一林木冠层的不同位置在高光谱影像上可能表现出不同的灰度值。 所以树木被进一步划分为光照区域和背光区域。因此选取的端元包括光照叶片、遮荫叶片、草地和不透水层等。

实验结果及分析

 1)像元分解结果

（a） 光照叶片比例，（b）遮荫叶片比例，（c）草地比例，（d）不透水层

2)不同树种的加权波谱曲线（黑线）和标准差（虚线）：

3) 树种识别结果

树种识别的总体精度为82.12%， kappa系数为0.74， 其分布如下图：

结论

利用高光谱数据和加权算法可提取相对纯净、精确的树冠波普特征。由于减少了混合像元、非植被以及阴影等因素的干扰，树种识别精度得到极大的提高。