草原灌丛化作为干旱半干旱地区土地荒漠化的核心过程之一,在我国草地生态系统中广泛发生,逐渐改变了草地生态系统原有的结构和功能。以中国科学院内蒙古草原生态研究定位站灌丛化样地实验平台及其周边为研究区,基于低空无人机遥感影像,结合实地调查,开展草原灌丛遥感辨识方法研究,并将最优辨识方法应用到整个研究区进行灌丛化入侵研究,以期为灌丛遥感辨识方法及灌丛化入侵研究提供技术支持和帮助。通过对灌丛、草地和裸地归一化植被指数(NDVI)的方差统计分析,确定了裸地与植被的分割阈值为-0.08,并基于提取的植被覆盖区分别使用面向对象的决策树(DT)、贝叶斯(Bayes)、K最邻近(KNN)、支持向量机(SVM)机器学习分类器进行灌丛辨识。研究表明:借助Estimation of Scale Parameter(ESP)最优分割尺度评价工具可以快速确定分割参数,获取灌丛、草地影像对象;利用特征空间优化工具选取了 1 8个对象特征参与分类,可以有效避免盲目选择而导致计算量增大;通过对不同分类器分类结果的对比和样本数量敏感性实验得出:Bayes分类器精度稳定、无需设置参数,灌丛分类精度最高,总体精度和Kappa系数分别达到92%和0.83,结果与影像地物嵌合最好,能够精确识别单株灌丛;根据Bayes分类器分类结果得灌丛化样地平台内灌丛盖度为14.74%,平均冠幅为0.6m2,与样方调查结果基本一致。由于4种分类器的算法特征以及对训练样本数量的敏感性各不相同,因此选择合适的分类器还需根据具体影像的地物特征、空间分辨率和研究区范围来确定。基于整个研究区分类结果的灌丛化入侵研究发现:研究区内灌丛生长状态与地形地势、放牧、水文等多因素有关,并可基于灌丛冠幅面积提取灌丛化的大致入侵历史过程。无人机遥感为传统生态学草原灌丛化研究开创了新的视角,但大自然和人类对草原灌丛化入侵的影响牵涉到的问题方方面面,无人机草原灌丛化研究工作还只是处于一个浅层次的探索,后续工作任重道远,有相当多的问题需更深层次的研究。