准确获取草原植物物种空间分布信息是草原生态系统生物多样性监测、群落重构与生态功能维持的重要基础。然而,目前缺乏及时准确获取植物物种空间分布的有效技术手段。无人机遥感不断发展,使植物物种监测成为可能。为了草原植物物种遥感识别技术体系构建,本文以内蒙古包头市希拉穆仁荒漠草原为研究区,布设放牧区和围封区两种样地,采用无人机RGB遥感数据,结合机器学习算法和面向对象影像分析技术,分别在像元尺度和对象尺度上进行了荒漠草原植物物种遥感识别研究。主要研究结果如下:1.高分辨率无人机RGB遥感影像能够为荒漠草原植物物种遥感识别提供有效数据源,充分发挥其空间分辨率高的优势。2.像元尺度的最小距离、支持向量机、随机森林方法在放牧区内均在8月末的时候能得到最好的分类结果,其总体精度分别为37.9%、76.7%、80.4%,Kappa系数分别0.3、0.6、0.7,围封区内最小距离在7月中旬得到了最好的分类结果总体精度31.1%、Kappa系数0.1,支持向量机在8月末得到了最好的分类精度58.7%、Kappa系数0.3,而随机森林在7月末得到了最高的分类精度64.4%、Kappa系数0.4。3.对象尺度中影像分割是最重要的一步,分割尺度为10的时候影像能很好的诠释不同物种的特征信息,多种特征中指数特征表现最优,放牧区内7月中旬的植物物种分类总体精度最高81.3%,Kappa系数0.7、而围封区在8月末得到了最好的分类精度50.4%,Kappa系数0.3。4.在荒漠草原植物物种识别中,随机森林优于支持向量机和最小距离。其中基于随机森林的植物物种识别精度高于支持向量机的识别精度,而支持向量机的识别精度高于最小距离的识别精度。总而言之,对象尺度的植物物种识别结果要高于像元尺度的识别结果。5.荒漠草原多时相影像数据在蓝光特征下能有效辨别植物物种,放牧区植物物种的总体分类精度高于围封区的分类精度分别为53.3%、50.4%。最终表明单时相数据的植物物种分类结果优于多时相数据的分类结果。