树种(组)调查是森林资源调查的重要内容之一,许多森林资源参数都是依靠树种来进行定量估计的。因此,准确地识别出森林树种是获取森林资源信息的关键。遥感技术的发展为森林资源信息的获取提供了新的技术手段,尤其为快速、准确地获取大范围的森林资源信息提供了可能。常规的多光谱遥感,由于光谱分辨率较低,缺乏辨别地物细微光谱差异的能力,难以对森林进行细致的分类。起源于20世纪80年代的高光谱技术,突破了光谱分辨率这一瓶颈因子,在成像过程中,能够获得地物的连续光谱信息,在光谱空间上抑制了许多干扰因素的影响,具有准确地探测各种地物细微光谱差异的能力,为森林的精细识别提供了可能。本文以星载高光谱数据Hyperion影像为数据源,选取山东省徂徕山林场为研究区,开展了基于Hyperion影像的森林类型精细识别研究。针对森林类型精细识别这一目标,首先利用支持向量机与最大似然法组合分类法进行了Hyperion影像的土地覆盖类型提取,然后基于核典型相关判别分析法对有林地区域进行主要树种(组)识别。论文的主要研究成果及结论如下:1、提出了基于支持向量机与最大似然法结合的多分类器组合高光谱遥感分类算法。研究结果表明利用组合分类器对主要土地覆盖类型分类的精度达99.9%,Kappa系数是0.999。说明基于支持向量机与最大似然法结合的多分类器组合能够使分类器更具有稳定性,提高分类精度,在高光谱遥感分类中具有很好的应用前景。2、提出了基于核典型相关判别分析法的高光谱遥感分类方法,选取Hyperion数据的可见光、近红外波段完成森林类型的精细识别。结果表明基于核典型相关判别分析法的森林类型精细识别的总分类精度为89.80%, Kappa系数是0.86。说明基于核典型相关判别分析法的高光谱遥感分类能够很好的解决森林类型的识别问题,对光谱特征相似的森林树种(组)具有很好的区分能力。3、对研究的分类算法进行了模块化开发,为研究成果的应用奠定了很好的基础。