红树林生态系统具有重要的生态价值和经济价值。但近年来受人类活动、气候变化以及外来物种入侵等问题的影响,红树林面积不断减少,生态系统功能日益降低,加强红树林的保护管理刻不容缓,明确红树林群落的空间分布是其基础和前提。基于无人机图像对光谱及空间等特征相似的红树林群落实现高精度分类对于红树林生态系统的精细化保护管理具有重要意义。本文以九龙江口红树林群落为研究对象,在野外调查的基础上,借助无人机低空遥感平台获取多时相高空间分辨率的图像,充分挖掘不同物候期红树林群落的光谱及空间等特征差异,深入解析红树林群落图像识别机理。主要结论如下:(1)构建基于深度学习分类方法的红树林群落识别模型。利用逐步判别分析法选取红树林群落图像识别敏感性特征,采用分形网络演化法对无人机图像进行分割,进而基于深度学习分类方法构建红树林群落识别模型。该模型分类效果好,精度高,研究区土地覆盖类型总体精度为90.62%,其中秋茄、桐花树以及白骨壤群落的生产者精度与用户精度分别为93.43%、92.40%、91.46%和91.39%、93.12%、93.32%。(2)利用监督与非监督分类方法对研究区进行红树林群落识别与分布制图,两者分类精度的差异不大,总体精度均在60%左右,不同红树林种群间混分错分现象较多。分析其主要原因为红树林群落间以及红树林群落与互花米草和林草地之间的光谱特征相似,且传统的监督与非监督分类方法在分类过程中未充分利用红树林群落的纹理特征。(3)基于深度学习分类方法得到的研究区红树林群落空间分布结果,研究区内秋茄群落是面积最大的红树林群落,占研究区总面积的34.67%,主要分布在研究区靠近内陆的部分;其次为桐花树群落,占研究区总面积的3.66%,主要分布在研究区向海边缘处;白骨壤最少,仅占研究区总面积的0.17%,零星分布于研究区的西部地区,多有互花米草入侵现象。基于深度学习与无人机监测的九龙江口红树林群落识别研究,不仅可为九龙江口红树林自然保护区的红树林生态系统保护管理提供数据支撑,同时可为其他区域红树林群落的识别提供借鉴。