为了探究一种新型高效的树种鉴别方法, 以桉木、 杉木、 落叶松、 马尾松和樟子松近红外光谱数据为研究对象, 分别建立了基于主成分分析和支持向量机的木材树种定性识别模型。 在主成分识别模型中, 样本光谱数据经过预处理后绘制了其二维和三维主成分得分图, 可以看出: 主成分分析得分图能有效区分五种木材树种, 且三维得分图比二维得分图更能直观、 清晰展示树种之间的差异, 表明主成分分析在可视化层面上可对小样本树种进行有效判别。 在支持向量机识别模型中, 分别建立了以遗传算法和粒子群算法为代表的智能算法优化支持向量机树种识别模型, 结果显示, 遗传算法-支持向量机模型的交叉验证最佳判别准确率为95.71%, 测试集预测准确率为94.29%, 算法用时134.08 s; 粒子群算法-支持向量机模型的交叉验证最佳判别准确率为94.29%, 测试集预测准确率为100.00%, 算法用时19.98 s, 表明基于智能算法支持向量机树种识别模型能够实现对木材树种的有效鉴别。 该研究对近红外光谱分析技术在木材科学领域的应用进行了有益探索, 为木材树种的快速识别提供了新方法。