如何快速准确地识别物种并掌握其分布情况是科学合理保护生物多样性的重要前提。遥感技术的发展为大尺度的植物多样性监测提供了可能。本文通过对多源遥感数据进行物种分类与识别相关研究的汇总，全面展现了遥感数据在植物物种识别上的应用潜力及存在的挑战。

物种分类与识别是生物多样性监测的基础。传统的物种分类方式主要是基于地面调查，需消耗大量的人力物力, 且数据获取周期长，对于某些偏僻交通不便利的地区, 数据获取的难度更大。在这种背景下，遥感数据凭借其覆盖范围大、时效性强、成本低、可重复获取等优势，被广泛应用到植物物种的识别和监测中。

图1  天目山国家自然保护区森林 （摄影者：胡健波）

为深入了解基于多源遥感数据的植物物种分类与识别相关研究的发展现状和存在的问题, 本文对2000年以来该领域的研究进行了总结分析,  发现: 当前大多数研究集中在欧洲和北美地区的温带或北方森林以及南非的热带稀树草原; 使用最多的遥感数据是机载高光谱数据, 而激光雷达作为补充数据, 通过单木分割及提供单木的三维垂直结构信息, 显著提高了分类精度; 支持向量机和随机森林作为应用最广的非参数分类算法, 平均分类精度达80%。并且我们发现，不同的分类对象、分类物种数，对最终分类结果有很大影响。

图2  常用物种分类算法的应用。(a)不同算法分类的物种数; (b)不同算法分类的总体精度。

现阶段，尽管应用遥感数据进行植物物种分类仍面临着分类对象复杂、多源遥感数据整合及植物物候与纹理特征整合困难，分类算法技术受限等方面的挑战，但随着遥感数据获取平台的发展，算法技术的进步，使用遥感数据让我们在大尺度上快速识别植物物种成为可能。