Obtenir des caractéristiques de terrain, la distribution de prairies est plus typique, sur la base de l'image multi-spectre de l'environnement HJ, qui est les données principales, basées sur la théorie ultra-avions du support vectoriel, associée à la bataille des fantômes de la ventilation grise pour trouver le plus Classification de fonction de base appropriée, sélectionnée Le modèle de classification SVM le plus approprié est extrait dans la zone source de la rivière et comparé à la méthode de surveillance traditionnelle et à la classification SVM SVM, optimisant la méthode de classification de l'herbe Sanjiangyuan. Les résultats ont montré que la surveillance traditionnelle comparée à la fonction de base Sigmoid, la précision catégorique des méthodes combinées restantes a été améliorée, dont le modèle de classification SVM associé à la texture et à la fonction nucléaire gaussien a un effet plus idéal, la précision est de 91%, le Kappa Le facteur est de 0,856 0 Il peut fournir des données de base à des fins d'utilisation durable et de récupération des écosystèmes pour trois sources fluviales.