高光譜遙感森林應用一直是植被遙感的主要領域，近年來，國內外相繼開展了森林類型識別、鬱閉度和葉麵積指數估測以及森林生物化學參數提取等方麵的研究。本文簡單總結了高光譜遙感在林業中的應用.。

1. 森林物種識別

植被光譜不僅具有高度相似性和高空間變異性，更具有時間動態性強的特點，充分發揮高光譜遙感的獨特性能，將大大提高物種識別和分類精度。森林物種識別是高光譜植被特征識別研究中備受矚目的應用領域。森林樹種類型識別的主要目的是提取森林樹種的專題信息，為劃分森林類型、繪製林相圖和清查森林資源提供基礎和依據。

目前研究多集中在河湖、鹽沼、海岸灘等濕地生境的植被識別及製圖，即群落尺度的區分，由於受光譜數據庫不健全的限製，一般要結合地麵調查來提取不同物種典型的特征光譜曲線。

數據源多采用A VIRIS，CASI、Hyprion等航空航天反射光譜數據，或高分辨率光譜儀實地測得的數據，通過波段組合、Logistic回歸、建立光譜信息模型等方法，實現對主要物種、森林類型乃至具體樹種的識別。也有學者借此對植被空間分布製圖、植被變化監測進行研究，均取得了與地麵數據相當好的一致性。

混合決策樹、專家決策樹法常用於農作物的精細分類，由於農田、草原等生境物種組成相對簡單，高光譜遙感與普通遙感手段相比優勢並不明顯。因此在這些領域，高光譜更多應用於草原生物量估算、農作物理化信息提取等方麵。.

高光譜影像CASI和SASI. 森林樹種識別結果

2. 冠層結構特征識別

這方麵工作的重點主要是針對混交林冠層，以及在區分藤蔓植物和樹種基礎上的冠層描繪。對於混交林而言，多樣化的尺度和反射特征、多層樹冠結構以及冠層內、冠層間的樹蔭

交錯都給準確描繪樹冠帶來重重困難。研究者試圖通過混合光譜分解、高光譜雙向反射分布函數等方法獲得植被冠層結構特征，並取得了一些成果。但是，高光譜遙感對於密集的、多冠層區域的冠層結構識別，精度還不是特別理想。在植被冠層結構識別研究中，高光譜遙感還需要進一步的研究。

3. 生理生化特征識別

高光譜遙感在植被自動識別、植被長勢及其空間分布定量化、冠層植被營養診斷、植被脅迫監測與診斷等方麵均得到了廣泛應用。在森林樹種的生理生化特征識別中，主要涉及葉麵積指數、生物量、水分含量、鬱閉度、光合有效輻射、葉綠素、各種營養成分(N、P、K 等)，(半)纖維、木質素、澱粉和蛋白質等。

Zaroc2Tejada等通過不同尺度下冠層光譜模擬，獲得了隨葉綠素含量變化的一些規律。發現MCARI/OSA VI能有效去除土壤背景對植被葉綠素含量估測的影響，利用MCARI/OSA VI植被指數進行葉綠素(a+b)含量的估測可達到預想的效果。

Dury等的研究中，使用包絡線去除HYMAP遙感數據對桉樹進行監測，發現利用高光譜數據反演的氮含量估測值與同步實測冠層葉片的氮含量具有一致性。

宮鵬等利用CASI高光譜數據對美國俄勒岡州針葉樹的LAI進行了估測實驗。結果發現LAI與歸一化植被指數(NDVI)之間的雙曲線關係是估計LAI最合適的方法。

張良培等利用進行一階導數運算處理後的高光譜數據對生物量進行估計，其結果很好地反映了地麵的實際情況。

此外，91视频污污污還可以通過森林生理生化特性的識別得到不同森林樹種間的差異信息，利用這些差異信息進行樹種類型識別研究，可以更為有效地提高樹種類型識別的精度。如Martin結合不同森林樹種之間特有的生化特性，將高光譜數據A VIRIS(航空可見光/紅外成像光譜儀)與簇葉化學成分之間建立關係，成功鑒別了10種森林類型(紅楓、紅櫟、闊葉混交林、白鬆、鐵杉、針葉混交林、挪威雲杉、紅鬆、雲杉沼澤林及落葉闊葉沼澤林)。