准确高效的物种分类和识别一直是生态学研究和应用的基本需求,但受限于传统的群落调查方法,高多样性森林中林冠层物种的识别与监测仍存在较大问题。本研究以校园绿地和辰山植物园苗圃为研究对象,以无人机高光谱遥感影像为基础数据,采用深度学习进行自动树种分类,分别探究了不同树种之间的光谱可分性,高光谱影像的光谱信息和空间纹理信息在树种分类中起到的作用以及高光谱影像在复杂树种分类任务中的潜力。研究发现:1)树种的光谱反射率并不唯一,存在一定的种内变异;通过简单的光谱统计量能区分树种之间的光谱差异,但精度较低;2)联合利用光谱信息和空间纹理信息的树种识别模型精度优于仅用光谱信息或者空间纹理信息的模型,表明利用影像中的多种信息有助于树种精准分类;3)对于162个树种的高光谱影像分类任务,深度学习模型总体分类精度超过80%,优于传统的支持向量机方法。上述结果表明:结合无人机高光谱影像与深度学习的方法可完成对林冠层树种的准确高效分类;基于高光谱林冠影像进行物种多样性监测和林业应用存在较大潜力。更合理的模型结构及更多的样本数据可以被用来进一步提高模型精度。