PDF 【目的】火龙果植株空间信息及株数的快速、无损获取是长势精准监测及区域种植结构调整的重要前提。构建精度较高的火龙果株数提取模型，进一步为贵州省山地特色智慧农业发展提供科研理论支持。【方法】使用低空无人机搭载PikaXC2传感器采集贵州省关岭县上官镇火龙果种植区高光谱遥感影像，通过该影像对地表主要地物光谱曲线进行光谱变换以挖掘高光谱影像数据潜力并使用特征选择剔除冗余变量，基于多种机器学习分类模型精确划分研究区不同地物，同时结合实测的火龙果植株投影面积计算其株数。【结果】（1）火龙果植株原始高光谱曲线在可见光波长区间反射率较低，近红外波长区间反射率较高；不同类型光谱下火龙果植株与其余地物光谱反射率差异较大的波段不同；（2）以特征距离定义筛选策略的特征选择算法降维效果较好，各区域不同类型光谱下火龙果植株特征波段数量介于2~9个，降维比均在97%以上；（3）地物分类精度以及株数提取精度与地表复杂度成反比。所有分类模型中连续统去除光谱下的随机森林模型精度最高，其总体分类精度与Kappa系数分别在84%及0.87以上。该模型下火龙果株数提取效果最好，不同区域提取精度在83%以上。【结论】连续统去除变换与随机森林算法的结合可较为准确地识别火龙果植株信息，该思路可为大尺度下喀斯特地区火龙果植株空间信息获取提供技术参考。