高光谱数据的多波段特性为树种的精细分类提供了可能。本论文利用亚热带一些常见树种叶片的非成像高光谱数据进行树种分类研究，选取的数据包括冬青、板栗、湿地松、雪松等树种进行分类研究。数据分建模样本和检验样本来进行分析研究，用来检验方法的有效性。本文通过不同的树种分类方法及较优的波段选择方法的探讨等，实现数据的降维、波段选择等，这对于今后成像高光谱数据的降维和波段选择将有重要的意义。本文提出了高光谱数据的回归残差绝对均值方法。在中值滤波、一阶微分预处理的基础上，通过回归残差分析方法选择波段，再利用光谱相关匹配方法进行分类，大幅度提高了分类精度，检验精度达到了93%以上，比相同预处理基础上的常规方法提高13%左右，同时这种方法大幅度压缩了数据，说明这个方法是很有潜力的。当波段数达到一定数量后，分类精度会下降，这说明，对特定分类问题来说，波段数不是越多越好，其中有些波段不但不能提供有益信息，反而会起到噪声作用，这些数据的加入会降低分类的精度。回归残差方法可以剔除这些不利波段。首次探讨了对叶片树种样本反射率进行排序实现树种分类的方法，虽精度没有提高，但这种方法仍值得继续探讨。对于均值压缩方法的树种分类，通过均值压缩后的数据进行反射率排序的树种分类，最后的分类精度没有明显下降，说明在不影响最后分类精度的情况下，均值压缩方法能实现数据的压缩。本文通过未予处理和中值+微分预处理的比较、波段和部分波段的比较、建模样本和检验样本的比较来进行树种分类的比较研究。在常规全波段光谱相关匹配分类方法中，未预处理和中值+微分预处理的分类精度均没有明显差别。而在回归残差分类中，未预处理和经预处理的精度相差显著，最少相差13%。在中值+微分预处理基础上，回归残差方法的精度明显比常规方法高。预处理基础上的回归残差方法可以提高分类精度，同时大幅压缩数据，说明这个方法是很有潜力的。分析可知当步长取值大于100时树种的识别分类精度会降低。波段选择可以实现数据冗余度的降低，使得数据量大大减少，利用残差思想就可以实现高光谱数据的波段选择，试验结果表明利用残差绝对均值的方法即可实现较优的波段选择的目的又可提高树种分类精度的目的。