植被作为反映生态变化的重要参数,一直是遥感领域研究的热点。高光谱遥感的出现给植被的识别与分类研究带来了新的机遇。针对高光谱遥感光谱分辨率高、波段众多且光谱连续的特点,使用已知光谱数据通过光谱匹配的方法来识别未知地物成为人们研究的热点。受限于青海湖流域独特的地理环境,目前国内运用高光谱技术对流域内植被识别的研究非常少,而正确的识别流域内植被类型以及获取其分布情况对于青海湖流域生态保护和相关政策的制定具有深远的意义。本文以Hyperion高光谱影像数据和光谱仪实测数据为主要数据源,使用一种基于丰度划分的多组分光谱库与光谱匹配技术相结合的方法对青海湖流域内典型研究区的高寒草地植被进行识别研究。首先针对影像数据与实测数据的特点,完成预处理工作;接着利用线性光谱混合模型,使用实测植被光谱和土壤光谱建立一个基于丰度划分的多组分光谱库;最后使用光谱角匹配（SAM）、光谱相关匹配（SCM）、光谱信息散度（SID）、光谱信息散度与光谱角结合算法（SID＿SAM）、光谱相关角（SCA）五种光谱匹配算法对研究区内高寒草地植被进行匹配识别实验,分析对比实验结果。得出主要结论如下:（1）SAM算法在本实验中由于前期使用光谱处理技术突出了不同地物的光谱特性,最终得到很好识别效果;SID算法依靠信息论评判光谱特征差异,也达到很好的匹配精度;SID＿SAM算法结合了SID和SAM两种算法的优点,对高寒草地植被类型识别效果非常好,有很好的推广应用价值;而SCM与SCA两算法主要依据都是相关系数原理,识别结果相同,并且匹配结果的RMSE值较大,对于本文研究的高寒草地植被类型识别没有体现出很好的适用性。（2）本文提出的以Hyperion影像为遥感数据源,以实测数据为建光谱库数据源,采用一种基于丰度值划分的多组分光谱数据库和光谱匹配技术相结合的方法来识别高寒草地植被类型是可行的。实验结果表明,该方法应用于植被类型识别具有很好的效果,各种匹配算法精度均达到80%以上。