树种叶片光谱具有可分性是基于遥感影像对树种进行分类的前提。为了探索基于卫星数据提取混交林树种竞争现状的能力,基于吉林蛟河典型阔叶红松林的实验室测量叶片光谱数据,对该实验林区的主要树种叶片进行了分类研究。实验数据分为三个阶段获取,第一个阶段主要涉及当地9个优势树种,实验采集了树种的反射数据和透射数据、叶片上表面和叶片下表面数据,并用对数、一阶导数和二阶导数三种方式对数据进行预处理。第二阶段和第三阶段分别采集了当地12和11个主要树种的实测叶片光谱(第三阶段未采集常绿树种红松数据),仅采用第一阶段中分类效果最佳的一阶导数进行预处理。实验共采用单因素方差分析、判别分析和因子分析三种方法进行树种分类研究,并对空间和时间变化对树种叶片光谱变化的影响进行了分析。结果表明,对于实验室测量叶片光谱数据来说,针阔树种的光谱是完全可分的,分类精度几乎都能达到100%,9个优势树种间的分类精度很高,大多在80%-100%之间。12个树种间分类精度较高,[90%,100%]区间内的分类精度个数占了总体的63.5%。包含可见光到近红外的一阶导数数据的分类效果最好,分类特征波段共19个,分别为494、502、642、650、654、662、682、686、694、658、730、734、838、846、850、1260、1532、1536、1572nm。特征波段的分类精度可达到70%左右。考虑到高空间分辨率卫星光谱分辨率偏低的现实,基于第一阶段数据和波段响应函数分别模拟了多光谱传感器GEOEYE-1、RAPIDEYE和WORDVIEW2的光谱,对模拟光谱进行了分类研究,结果表明模拟多光谱数据仍然可以有效区分针阔树种(71.6%～100.0%),但在9个树种分类水平下精度很低(47.3%-74.0%)。各树种光谱随着海拔高度的变化而变化,色木械、山杨的变化较大,紫椴的变化最小。变色期内可分性最好的是黄檗,最差的为色木械和紫椴。实验结果证明长白山地区的主要树种叶片光谱之间具有较高的可分性,同时提示我们在利用遥感数据进行树种级别的分类时,所用传感器的波段个数应大于8个,波段范围应覆盖可见光至近红外波段,数据应经过一阶微分处理。且树种光谱随着海拔和时间的变化有较大不同,需要结合树种习性进行分类。