利用冠层光谱反射率数据(Rλ),对处于开花期的7种果树的树种进行了辨识研究.通过光谱数据重采样、植被指数求算等相关数据处理,比较了6种卫星传感器与4种植被指数对果树树种的辨识效能,并在优选数据形式、优化模型参数的基础上,建立了辨识果树树种的BP神经网络模型.主要结论为:(1)6种卫星传感器辨识果树树种的效能由强到弱的排列顺序为:MODIS、ETM+、QUICKBIRD、IKONOS、HRG、ASTER;(2)在4种植被指数中,RVI对果树树种的辨识效能最强,其次是NDVI,SAVI与DVI的辨识效能相对较弱;(3)用MODIS或ETM+传感器的近红外通道与蓝光通道上的反射率数据,求算的RVI与NDVI对果树树种的辨识效能相对较强;(4)在Rλ及其22种变换数据中,波长间隔设为9nm的d1[log(1/Rλ)],是建立BP神经网络模型的首选数据形式.