正確な単一の木の種情報は、森林資源の監視、経営管理、生態系評価および生物多様性研究にとって非常に重要です。搭載型ハイパースペクトルおよびLIDAR（Light Detection and Ranging）データの組み合わせに基づく森林木種分類には新たな機会をもたらします。近年、ハイパースペクトルおよびLIDARデータに基づく小規模な木種分類研究は多くなされていますが、実際の大規模な森林シーンでは、木種の多様性と林齢構造の複雑さにより、搭載型ハイパースペクトルおよびLIDARデータの分類精度に影響を与える要因およびその数量的研究はまだ不十分です。したがって、実際の大規模な人工林木種の細分類の精度を向上させるために、4つの分類戦略（双方向反射分布関数BRDF（Bidirectional Reflectance Distribution Function）補正を受けていない複数バンドイメージから導出された植生指数；BRDF補正後の複数バンドイメージから導出された植生指数；BRDF補正イメージから導出された植生指数+樹高特徴；BRDF補正イメージから導出された植生指数+樹高特徴+単一樹冠情報）を設計し、塞罕坝機械林場を例に、これら4つの分類戦略が搭載型多バンドイメージのスペクトル一貫性補正処理、樹高特徴の導入および単一樹冠情報が人工林木種の細分類精度に与える影響を比較分析しました。研究は（1）単一樹分割情報に基づく木種分類は、同一樹冠内の複数の画素に対する多様な木種の分類エラーを効果的に減少させ、木種分類の精度向上に非常に重要な貢献をします（10.74%）；（2）搭載型イメージを放射一貫性補正することにより、太陽-観測幾何学による同一木種のスペクトル反射の差異を減少させましたが、木種分類の精度向上には限度がありました（3.48%）；（3）異なる木種が類似した垂直構造を持っているか、同一木種が複数の林齢段階の地域に分布している場合、冠層高度CHM（Canopy Height Model）は木種分類の精度向上への貢献がほぼ無視できます（0.67%）。以上より、搭載型ハイパースペクトルとLIDARデータを組み合わせた木種細分類は、大規模な人工林での優れた応用価値と潜在能力を示していますが、多くの影響要因について深く分析し最適化する必要があるため、森林資源の効果的なモニタリング、管理およびその他の林業遠隔検出応用活動をより効果的に展開するための科学的基盤を確立するためには、まだ多くの努力が必要です。

木種分類;搭載型ハイパースペクトルデータ;BRDF補正;LIDARデータ;単一木分割;ランダムフォレスト;植生指数;塞罕坝機械林場