高光谱遥感技术是当前遥感领域的前沿技术，为植物物种或种群信息的获取、大范围植被的识别与分类提供了新的技术手段。在植被分类中，某些类型的植被群落光谱特性有较为相近的情况，多光谱等传统遥感影像的应用就会受到很大影响。而高光谱遥感由于具有极高的光谱分辨率，能够大大提高对植被的识别与分类精度。可以在大量窄波段中筛选出那些对植被类型光谱差异较明显的波段，利用少数几个窄波段对植被类型进行识别与分类。也可采用压缩技术重新组合几个综合波段，充分利用植被的光谱信息，改善了植被的识别与分类精度。　　 环境与灾害监测预报小卫星星座(HJ-1A/B)是我国于2008年发射的第一颗专用于环境监测的卫星。HJ-1A星所获取的HSI高光谱数据连续的波段设置能够反映地物光谱的微小变化，提高了对地识别与分类精度，其应用可以满足我国对植被大范围动态的监测需要。然而受限于发射时间较短，目前基于HSI数据的植被分类及与此相关的研究比较少。本文以金钟山自然保护区为研究区，利用环境小卫星HSI高光谱数据，主要进行了以下研究工作:　　 1.HSI数据特性与预处理:介绍了HSI数据特点、特性以及波谱信息。针对HSI数据产品特点设置了包括质量差波段的去除、修复个别波段上存在的坏线、垂直条纹去除、几何精校正预处理工作流程，处理后的影像质量明显高于原始影像。　　 2.植被类型的光谱特征分析:依据野外调查数据与1∶20万植被分布图等数据提取了保护区典型植被的光谱曲线。草丛、灌丛、常绿阔叶林、落叶阔叶林、稀疏植被覆盖区这五种植被类型具有典型的植被光谱特征。　　 3.不同分类方法对比研究:运用四种分类方法对保护区植被类型进行分类识别，分别为基于光谱特征与植被指数构建的决策树法、最大似然监督分类法、ISODATA非监督分类法、波谱角填图法。结果表明决策树法与最大似然法具有较高精度，分别为83.74％，76.22％。一方面验证了决策树方法和高光谱分析方法相结合在提取植被信息中的可行性。另一方面验证了经过MNF变换处理后应用传统的分类方法也可对HSI数据的植被分类有很好的效果。进而证明了HSI高光谱植被分类研究中的数据支撑能力。　　 总体来讲，本研究运用HSI高光谱数据，充分分析研究区典型植被的光谱特征，运用不同分类方法对研究区植被分类，充分挖掘HSI高光谱数据对植被分类的潜力，成功拓展了HSI高光谱数据在植被分类识别这一应用领域。不仅证实了HJ-1A星HSI数据应用于植被识别分类的可行性，对于推进我国国产卫星及遥感技术在相关方面的应用具有重要作用。