北疆防护林作为防御自然灾害、保护农业生产的重要生态屏障,在区域水土保持、防风固沙与气候调节中发挥了重要作用。近年来干旱胁迫、病虫害胁迫以及管护不当导致部分的防护林出现了严重的衰退以及防护功能下降的情况,而树种分类可为防护林资源清查、林地生态系统评估以及科学的规划管理提供基础信息。本文聚焦树种分类问题,从特征筛选、分类尺度、模型构建与验证的思路出发,开展基于无人机高光谱影像的防护林树种分类研究,以期为防护林管理部门开展防护林健康状况评估、空间格局规划和混交林营建等提供决策参考,主要研究内容及结论如下:（1）基于树种分类特征构建的像素分类。针对无人机高光谱数据维度高、信息冗余的问题,基于波段选择算法（基于交叉验证的支持向量机-递归特征消除）选取原始波段最佳组合;针对“同物异谱”与“异物同谱”现象,引入植被指数、纹理特征以增强光谱与空间信息;为避免特征构建过程中产生数据冗余,采用随机森林特征重要性分析进行特征筛选,并构建最大似然法、支持向量机、随机森林分类模型。结果表明,提出的波段选择算法选取的原始波段最佳组合在降维的同时能够较好的保留原始光谱特征;构建的树种分类模型可实现研究区树种高精度分类;特征筛选后,随机森林的分类精度最高,分类总体精度为94.34%,（Kappa=0.9248）。（2）面向对象树种分类。针对基于像素的分类结果中的椒盐噪声问题,提出一种面向对象的树种分类模型。采用多尺度多层次分割（林地与非林地、林地间各树种两个层次）策略,解决地物分割的“欠分割”和“过分割”问题;提取光谱特征、纹理特征、植被指数特征等构建K-最近邻和支持向量机面向对象分类模型,最后依据分类继承的思想合并分类结果。结果显示,面向对象分类避免了椒盐噪声的产生;采用多尺度多层次分割的策略有效减少了地物分割不理想现象;不同方向纹理特征、植被指数的加入可以有效的区分原始光谱特征相似的新疆杨与胡杨,并且显著提高了单木树种的分类精度;支持向量机模型分类精度最高,可达95.60%（Kappa=0.92）。（3）基于光谱-空间的集成分类。针对部分树种冠幅小而无法准确分割、混交林树种样本不均衡的问题。从光谱-空间特征分类、集成学习的角度出发,基于形态学属性剖面提取光谱-空间特征,采取多数投票策略集成多个分类器结果,构建光谱-空间特征的集成分类模型。结果显示,光谱-空间特征的引入降低了林带内椒盐噪声的,同时解决了因“欠分割”产生的错分漏分问题;集成分类结合了多个基分类器优势,有效提高了单木树种分类精度,对于因样本不均衡产生的分类性能下降问题也得到显著改善,分类总体精度最高为96.06%（Kappa=0.95）。（4）为验证三种分类模型的适用性,选取2021年5月的同区域高光谱影像进行分类验证。结果显示,三种分类模型分类总体精度皆在90%以上,对于研究区树种分类有较好适用性。