为了探索不同树种叶片光谱区分的最佳特征波段以及不同树种光谱分类的性能,利用地物光谱仪对广东省10个主要人工林树种的叶片光谱数进行了采集。采用遗传算法(Genetic Algorithm,GA)和连续投影变换算法(Successive Projections Algorithm,SPA)进行了高光谱数据降维处理,然后结合支持向量机(Support Vector Machine,SVM)和随机森林(Random Forest,RF)两种方法进行了树种分类。研究发现,通过两种变量选择方式筛选的用于树种分类的光谱范围主要位于近红外波段。其中,经GA算法筛选的变量建模和预测精度与基于全波段光谱数据的分类精度较为接近,且比经SPA算法变量筛选的分类结果好。通过比较可知,RF算法所建模型的性能比SVM算法更稳定,且GA-RF算法在几种分类处理中的性能最好。结果表明,GA-RF算法可用于基于光谱数据的树种分类研究。