草原生态安全对于地区经济发展和社会稳定起着举足轻重的作用,草原生态保护也是我国土地资源管理的重点内容。近年来,由于人们日益增长的物质需求与生产力的矛盾,导致人们对草原进行掠夺式开发,超载放牧与盲目开垦现象严重。进而导致了草原原本优势种的牧草被过度消耗,杂草以及毒害草获得更多的生长空间,从而造成泛滥,其中白喉乌头(Aconitum leucostomum)泛滥最为严重和广泛。草原毒害草白喉乌头的泛滥进一步威胁到优良牧草的生长,并且偶尔发生家畜误食现象,其泛滥严重影响了草原畜牧业的发展以及生态安全和食物安全。新疆作为我国的畜牧业大省,由于白喉乌头泛滥问题遭受着重大经济损失。因此,草原毒害草白喉乌头防治任重道远。白喉乌头与普通牧草在可见光范围内具有很强的光谱相似性,这在基于像元光谱信息的图像分类方法进行两者分类时会造成大量混分。因此,本文依据白喉乌头的光谱特征、形态特征、纹理特征采用了三种方法对白喉乌头进行识别检测。首先,我们依据白喉乌头光谱特征进行识别,通过观察得到白喉乌头冠层发白,其反射的可见光辐射强度较普通牧草大很多。所以采用高分辨率无人机影像中白喉乌头的冠层可见光谱与牧草可见光谱的差异进行监督分类得到白喉乌头分布。再者,依据白喉乌头形态特征进行识别,我们发现白喉乌头的生长特征在草原上呈现零星式分布,相比普通牧草要高大很多,从远处观察像一个个尖耸的鼓包分布在平坦的草原上。由此我们提出相对高程阈值法,通过无人机倾斜摄影测量得到研究区数字表面模型(Digital Surface Model,缩写DSM),再通过计算得到研究区数字高程模型(Digital Elevation Model,缩写DEM),然后计算差值图像,通过设定相对高程阈值得到白喉乌头分布。最后,根据白喉乌头纹理特征进行识别,我们提出一种基于卷积神经网络的高分辨率遥感影像的白喉乌头与牧草自动分类方法,以期实现白喉乌头的准确识别。采用无人机获取白喉乌头危害区1cm空间分辨率的无人机数字正射影像,选取白喉乌头和普通牧草两类训练样本,使用VGG16、VGG19和Res Net50三种模型对图像切片的特征进行抽象与学习,以获取图像切片的深层特征,进而实现对两类地物的分类提取。本文在进行草原毒害草白喉乌头的识别与检测研究中,共提出三种方法,完成了从方法的论证、数据的收集、相关参数的最终确定一整套研究内容。利用无人机数据对区域内的白喉乌头识别提供了更多样的选择与更加准确的方法。