高光谱遥感具有光谱分辨率高、波段范围窄、图谱合一、连续成像等特点，能够区分出地物光谱的细微差别，探测到其他宽波段遥感无法探测的信息。因此，高光谱遥感在生态、大气和海洋等诸多应用领域具有很大优势。近年来，高光谱遥感在林业方面的一个重要应用是对森林树种类型进行识别。森林树种类型识别的主要目的是提取树种的专题信息，为划分森林类型、绘制林相图和清查森林资源提供基础和依据。目前，国内外利用高光谱遥感进行树种识别主要是从叶片、冠层和高光谱影像3个研究尺度开展。基于叶片的树种识别主要是对叶片反射率及其变换形式运用统计方法、遗传算法等进行分析，以树种识别的可行性分析与识别潜力为主要研究内容；基于冠层的树种识别主要运用光谱信息散度法、光谱角填图法等基于光谱信息的遥感图像分类方法，并利用地物光谱仪获取的林分冠层反射率曲线，进行树种分类；基于高光谱影像的树种识别主要通过对影像进行去噪降维等预处理后，运用监督或非监督分类的方法进行树种识别。

国外已有很多学者对高光谱树种识别进行了研究。Gong等利用ANN分类法对光谱数据进行判别，区分出1种阔叶树种和6种针叶树种，分类精度大于90%；Martin等利用AVIRIS高光谱数据与树种叶片化学成分之间的关系，鉴别出11种树种类型，可有效进行树种分类；Petropoulos等分别采用支持向量机和基于对象的分类方法，对Hyperion高光谱影像进行土地覆盖类型分类，虽2 种分类效果均较好，但基于对象的分类方法精度更高。国内也有越来越多的学者进行森林树种识别探究。童庆禧等利用光谱波形匹配算法对MAIS高光谱影像进行植被类型识别，获得了潘阳湖典型湿地的植被分类图，对高光谱的树种识别提供了实用依据；王圆圆等采用随机子空间法对OMIS高光谱遥感数据进行识别，并利用遗传算法来提高分类精度；刘秀英等使用地物光谱仪测得的光谱数据，采用逐步判别分析方法、特征波段选择等方法识别出4种树种。综上所述，国内外利用高光谱数据进行树种识别的研究已取得阶段性的进展，从研究方法看，主要基于不同树种具有不同光谱特征的原理，通过特征波段的合理选择，或者通过波段变换对高光谱数据进行降维来识别树种。

高光谱影像波段数多，信息量大，为地物的精细识别提供优势的同时，也带来了数据量多，波段间相关性大，处理精度和效率下降的问题。本文以上海交通大学植物园为研究区，利用无人机高光谱数据，运用z佳指数波段选择法和see5.0决策树自动分类相结合进行树种识别，有利于无人机高光谱数据分类识别精度的进一步提高。