为了解决地物分类的机载激光雷达(LiDAR)与高光谱特征构造中存在的特征维数过高的问题, 提出了一种基于XGBoost与皮尔逊相关系数相结合的特征选择算法——XGB-PCCS, 同时设计了XGBoost与序列后向选择相结合的特征选择算法——XGB-SBS与之对比。采用真实数据验证所设计的两种算法, 结果表明:两种算法均可在保证分类结果准确率的基础上有效地减小特征集维数; XGB-SBS算法保留的特征维度为33, 得到的总体分类精度为95.63%, Kappa系数为0.943; XGB-PCCS算法保留的特征维度为25, 总体分类精度为95.55%, Kappa系数为0.942。XGB-PCCS算法的人为干预程度较低, 运行时间较短, 保留的特征集更精简。此外, 对比了两种算法得到的特征子集, 并总结了LiDAR点云与高光谱影像多模态特征构造中重要程度较高的24种特征。