传统基于像元的遥感分类方法和低空间分辨率的遥感影像,在灌从-裸地、灌丛-灌丛间光谱特征差异微弱的荒漠地区,难以满足荒漠灌丛分类识别,且提取斑块精度低。本文以鄂尔多斯高原西部荒漠与荒漠草原过渡带为研究区域,以固定翼eBee无人机可见光与近红外数据和DJI无人机的花期可见光数据为基础,结合野外地面灌丛的植被特征实测调查,采用面向对象的人工定义规则、贝叶斯(Bayes)、K最邻近(KNN)、决策树(Cart)、随机森林(RF)方法,对荒漠区灌丛植物种进行识别与提取,探究不同方法在荒漠灌丛提取中的适用性和分类精度,为快速提取低空航拍荒漠灌丛,识别灌木物种提供解决途径。主要结果如下:(1)荒漠区,可以利用所有波段组合后的亮度均值来创建植被图斑,以区分植被与非植被区域。(2)在识别过程中,并不只能注重高分辨率对分类的作用。特别是,地物光谱复杂、植被差异不显著区域,应根据植物灌从的形态特征(株高、冠幅及其形状),生殖特征(花期、落叶期),生境特征(覆沙地,荒漠,沙漠),提取对应的植物灌从图斑形态、光谱特征,结合野外实地调查数据,统计植物种数量特征,利用阈值分类区分植被类别;基于面向对象的无人机遥感技术在荒漠植被灌从识别中有很好的适用性和应用潜力。(3)5种方法在荒漠灌丛植物种识别与提取分类上,均出现不同程度的错分现象。放牧区和禁牧区人工自定义规则方法效果最优,所得的分类结果和真实地物匹配程度高,分类图斑与实际地物吻合程度一致,但对于专业知识和野外经验有一定的依赖性。其他4种机器学习分类方法中,-定程度匕减弱了错分,在效果和速度上差异不大,分类精度对训练样本的选择依赖性高。放牧区自定义规则Kappa系数为 0.74,比 Bayes、Cart、RF、和 KNN 分类分别提高 0.38、0.34、0.16 和 0.09;禁牧区自定义规则Kappa系数为0.79,比Bayes、KNN、Cart和RF分类分别提高了0.51、0.3、0.33和0.25;沙漠区,随机森林分类方法优于其他4种方法,总体精度为95%,比KNN、Bayes、自定义规则和Cart分类分别提高45%、9%、9%和4%。