摘要：以位于中國科學院內蒙古草原生態研究定位站灌叢化樣地實驗平臺為研究區,基于低空無人機遙感影像,結合實地調查,開展草原灌叢遙感辨識方法研究。通過對灌叢、草地和裸地歸一化植被指數(NDVI)的方差統計分析,確定了裸地與植被的分割閾值為-0.08,并使用該閾值提取植被覆蓋區,然后分別利用面向對象的決策樹(DT)、貝葉斯(Bayes)、K最鄰近(KNN)、支持向量機(SVM)機器學習分類器進行灌叢辨識。研究表明:借助Estimation of Scale Parameter ( ESP )最優分割尺度評價工具可以快速確定分割參數,獲取灌叢、草地影像對象;利用特征空間優化工具選取了 18個的對象特征,可以有效避免盲目選擇而導致的計算量增大;通過對不同分類器分類結果的對比和樣本數量敏感性實驗得出:Bayes分類器精度穩定、無需設置參數,灌叢分類精度最高,總體精度和Kappa系數分別達到92%和0.83,結果與影像地物嵌合最好,能夠精確識別單株灌叢;根據Bayes分類器分類結果統計得研究區灌叢蓋度為14.74%,平均冠幅為0.6m2,與樣方調查結果基本一致。由于4種分類器的算法特征以及對訓練樣本數量的敏感性各不相同,因此選擇合適的分類器還需根據具體影像的地物特征、空間分辨率和研究區范圍來確定。