PDF 【目的】探究平行六面体、最小距离、马氏距离、最大似然、支持向量机（SVM）和神经网络6种监督分类方法在无人机多光谱影像中提取单株核桃树冠层信息的性能差异，并评估不同后处理技术对分类精度的优化效果，筛选适用于复杂果园场景的最优分类方法。【方法】以温185核桃树冠层为研究对象，将无人机多光谱影像作为数据源，利用ENⅥ5.3对图像进行预处理，运用监督分类中的平行六面体、最大似然、最小距离、马氏距离、支持向量机（SVM）、神经网络等6种分类方法提取单株的冠层信息，进一步聚类、聚合、过滤、Majority斑块去除，并对其精度进行评价。【结果】SVM结合Majority斑块处理方法对核桃树冠层信息的提取效果最佳，分类的精度和准确性显著提升。最大似然、马氏距离和神经网络等方法在适当的后处理支持下表现出较高的分类精度，具备较大的应用潜力；而最小距离与平行六面体分类器受限于特征分辨能力，分类精度较低，难以满足高精度提取的需求。【结论】SVM结合Majority斑块处理是提取核桃树冠层信息最优的方法，具有极高的分类精度与稳定性，适用于单株尺度下的冠层精准分割。本研究为核桃树冠层参数反演及基于单株尺度的营养诊断、产量预测等精准农业管理提供了可靠的技术支持。后续可进一步拓展至不同分辨率影像及多种果树类型的应用中，以验证该方法的普适性与稳健性。