植被在反映生态环境变化方面发挥着重要的作用,近年来已逐渐成为生态系统环境领域研究的热点之一。其中,植被分类对于植被动态变化规律和植被覆盖状况研究有着极其重要的意义。传统的植被分类需要去野外进行实地调查,不但费时费力而且不适用于大面积作业。遥感技术的兴起为获取植被信息、进行植被类型识别与分类提供了一种高效的方式。然而多光谱遥感因其波段不连续,仅能区分出光谱差异较大的植被类型,而对于光谱差异较小的植被分类效果不明显。相较于多光谱遥感,高光谱遥感凭借其光谱分辨率高、波段数目多、波段宽度窄且连续等明显的特点,为植被分类领域提供了全新的技术手段。本文选取青藏高原三江源国家公园黄河源区核心区鄂陵湖西部和北部作为主要研究区,首先基于Indian Pines高光谱数据集,利用光谱角代替欧氏距离改的ISOMAP和LLE融合算法(SA_LLEISOMAP),对预处理后的高光谱影像进行特征提取,并与其他五种非线性降维算法:局部线性嵌入LLE、等距映射ISOMAP、融合算法LLEISOMAP、光谱角等距映射SA_ISOMAP和核主成分分析KPCA)进行对比,通过对比平均梯度、边缘强度、信息熵以及规则化特征图谱等方面验证了SA_LLEISOMAP降维算法的优越性。之后,采用三种常用的监督分类算法(支持向量机、最大似然、随机森林)对降维后的鄂陵湖西部HJ-1AHSI高光谱影像进行植被分类,并对分类结果进行比较分析,完成了鄂陵湖西部植被分类图的制作。最后,基于同样的分类算法完成了鄂陵湖北部植被分类图的制作。本文获取的鄂陵湖西部和北部植被分类图,对三江源国家公园黄河园区核心区植被监测和保护具有一定的参考价值。