当前,已有很多专家学者应用高光谱遥感影像进行森林树种识别研究,但以国内的环境与灾害监测小卫星高光谱遥感数据为基础提取森林树种识别的研究却鲜有相关报道。因此,本论文基于环境与灾害监测小卫星的遥感影像,以吉林省汪清林业经营区为研究对像,对该林区内的主要树种蒙古栎、白桦和落叶松等树种进行识别,以探讨环境与灾害监测小卫星在森林树种识别的可应用性,可望对后续的研究提供相关的参考和依据。本文首先对研究区的HJ-1A高光谱遥感影像进行预处理,然后应用最佳指数法、波段指数法、协方差特征值法和基于光谱灰度值的特征选择方法等,选出三个可分性好的波段组合以更好地区分该研究区中蒙古栎、白桦和落叶松等树种。再用基于树种光谱知识的分类技术,并结合研究区的坡向和高程数据信息对研究区的蒙古栎、白桦和落叶松进行树种识别。研究结果表明：(1)在波段选择中,用最佳指数法提取出的波段组合为21-109-112；用波段指数法选出的波段组合为21-33-112；用协方差特征值选出的波段组合为21-27-112；用光谱灰度值选出的波段组合为47-72-107。然后用光谱维混合距离对各个方法进行评价,评价出最佳波段组合为47-72-107。(2)在树种识别中,仅基于光谱值的专家知识总体分类精度为75.00%,卡帕系数为0.6087；结合坡向信息的知识分类,总体分类精度为83.33%,卡帕系数为0.7391；结合高程信息的知识分类,总体分类精度为91.67%,卡帕系数为0.8588；结合坡向信息和高程信息的知识分类,总体分类精度为95.83%,卡帕系数为0.9310。应用专家知识分类方法对环境与灾害监测小卫星的汪清研究区的高光谱遥感数据进行分类,并结合研究区的空间信息数据,可以很好地识别汪清林业经营区的蒙古栎、白桦和落叶松等树种。本文的创新点在于：(1)以环境与灾害监测小卫星的高光谱遥感数据为基础,创造性地基于树种的光谱特征值对波段进行选择,与其他方法相比,得到的波段组合可分性最好；(2)在森林类型识别上,应用基于树种光谱特征知识的分类方法,同时与研究区的空间信息数据结合,很好地提高了树种的分类精度。