以亚热带林业实验中心年珠实验林场为研究区，以无人机可见光和LiDAR数据为数据源进行树种识别。基于CHM和可见光数据进行单木分割，对可见光数据和LiDAR数据进行特征提取，构建多特征集合；基于单木对象选择随机森林和支持向量机2种分类器进行分类识别，并利用混淆矩阵对不同数据源不同特征组合的12种方案进行精度评价，比较不同特征组合和分类器对树种分类精度的影响。结果表明：将基于CHM分割和多尺度分割结合的单木分割效果较好，满足单木树种识别需求。支持向量机的精度高于随机森林分类器，经过随机森林特征筛选之后精度优于未进行特征筛选的结果，总体平均精度提高1.45%，可见光和LiDAR数据结合较仅使用单一数据源平均精度提高了6.01%。特征筛选能减少维度灾难，有效难避免过多特征造成的冗余现象，进一步提高分类器的性能和效率。相对于随机森林分类器，支持向量机在对于多维的样本集以及训练样本有限的情况下，能够表现出更好的性能。多源数据结合能将不同数据源优势有效结合，提高分类精度。