“植物杀手”薇甘菊作为世界上危害最严重的100种外来入侵物种之一,近几年在我国广东、广西、海南和云南等地迅速扩散,严重破坏生态环境。通过对薇甘菊智能监测以开展早期防范工作控制其进一步扩散是很有必要的。目前图像识别法、高光谱监测法等方法都比较常应用于对外来入侵植物的监测,其中高光谱监测法更是因其光谱分辨率高、波段多、信息量丰富的特点而被广泛应用。因此,开展将高光谱技术应用于薇甘菊的智能监测相关的研究工作是很有必要的,而对薇甘菊智能监测的关键在于从野外复杂的环境中检测识别出薇甘菊目标。本文以薇甘菊为研究对象,结合高光谱降维技术与基于支持向量机的模式识别技术对野外环境下的薇甘菊的识别方法进行了研究,研究内容如下:（1）高光谱数据采集及样本获取。在实验室非成像高光谱采集系统和野外高光谱图像采集系统下分别采集外来入侵植物薇甘菊高光谱数据和高光谱图像,并获取基于两种数据源的高光谱数据样本。（2）高光谱数据预处理方法研究。为了避免因环境干扰或人为因素可能造成的某些数据不正常或丢失出现异常样本,同时也可能造成的样本数据噪声大、基线漂移等。分别对两种数据源的薇甘菊高光谱数据样本进行异常样本数据剔除以及预处理。关于预处理方法,其中对实验室薇甘菊高光谱数据进行了先平滑后微分处理,对野外高光谱数据运用了九点移动平均平滑,S-G平滑,一阶微分,二阶微分,多元散射矫正（MSC）,标准正态变量变换（SNV）,先微分后平滑（一阶微分+S-G平滑）,先标准正态变量变换再去趋势处理（SNV+Detrending）八种预处理方法分别预处理。（3）高光谱数据降维方法研究。高光谱数据波段数量多、信息冗余、基于全波段识别薇甘菊计算量过大,针对这些问题提出了两种不同降维方法对预处理后的野外薇甘菊高光谱数据降维,分别是基于主成分分析法对高光谱数据全波段特征提取和基于局部波段对薇甘菊光谱特征选取,其中特征提取是在九种不同预处理方法（不做预处理和八种预处理方法）的基础上进行高光谱数据的主成分分析,薇甘菊光谱特征选取是在分析实验室薇甘菊高光谱数据样本曲线特性的基础上选取基于局部波段的特征参量。（4）基于支持向量机的分类模型建立以及特征集优化方法研究。基于两种降维方法分别建立支持向量机模型,其中在通过主成分分析法降维后建立的9种分类模型中SNV-PCA特征集对应的分类模型薇甘菊目标识别准确率最高为92.96%,基于薇甘菊光谱特征选取所得特征集对应的分类模型识别准确率为90.14%。将两个特征集进一步基于单特征排序法优化,薇甘菊光谱特征选取所得特征集的优化效果更好,其对应的识别准确率为90.85%,提高了识别准确率和模型稳定性。（5）试验验证与结果分析。将预测集高光谱数据分别输入到SNV-PCA特征集和优化后的基于薇甘菊光谱特征选取所得特征集所建立的支持向量机分类模型中,其识别准确率分别为81%和84%。因此认为,通过基于主成分分析的特征提取法建立的SVM模型可用于对外来入侵植物薇甘菊的识别,且当SNV-PCA特征集维数为9时,识别结果最优;基于薇甘菊光谱特性特征提取法建立的SVM模型同样适用于薇甘菊的识别,其中518nm,538nm,550nm,710nm波段处为薇甘菊目标识别的敏感波段,490-530nm、550-582nm、和640-760nm三个波段范围为薇甘菊目标识别的敏感波段范围。