不透水面覆盖率（ISP）是反映城镇化程度的重要指标,对生态环境有重要影响。监测山地城市长期的ISP变化可以为优化发展规划、加强环境保护提供理论支撑和决策支持。遥感数字图像处理是实现ISP快速反演和准确监测的重要手段。然而,山地城市复杂地形造成的混合像元和光谱混淆问题,会影响不透水面（IS）的提取精度,从而降低ISP遥感反演的准确性。早期年份缺少高分辨率参考影像导致的参考数据缺乏,也是长期ISP反演面临的主要挑战。为此,本文提出了一种基于多源遥感数据的山地城市长期ISP反演方法。首先,基于Landsat、Sentinel-2、Sentinel-1影像和地形数据计算并提取分类特征,应用Relief F算法对多源数据特征进行特征优选。使用最优特征子集和随机森林分类算法（RFC）提取2020年的IS,并估算ISP参考数据;然后,基于免费的土地覆盖（LULC）产品和ISP参考数据识别土地覆盖类型不变区域,构建参考影像缺失年份（1990、2000、2010）的样本集;最后,结合回归特征集和各年份的样本集,构建随机森林回归模型（RFR）,实现长期ISP反演。基于GEE平台和Java Script语言实现了提出的方法,反演得到滇中城市群1990–2020年30 m分辨率的ISP数据集,进一步分析了ISP的时空变化特征。本研究的主要贡献包括:（1）基于多源遥感数据的IS提取方法减少了地形对ISP反演结果的影响,提高了山地城市的IS提取精度,确保了估算的ISP参考数据的准确性。（2）提出了一种基于免费LULC产品的不变像元识别方法,高效生成不变样本集。提高了土地覆盖类型不变区域识别的效率和客观性,解决了缺少参考影像年份ISP反演的问题。研究结果表明:（1）使用多源数据和RFC算法提取山地城市的IS具有较高的分类精度,总体精度达到0.96,Kappa系数达到0.86;（2）基于RFR模型的长期ISP反演方法减少了地形的影响,提高了反演精度。均方根误差（RMSE）范围为18.21%–18.51%,Pearson相关系数处于0.53–0.68之间;（3）研究区的IS面积自1990年以来呈现出快速增长的趋势,共增加了2,250.05 km~2,扩张了近2.3倍,年均增长率达到75 km~2/年,2010–2020年的增长率达到最高;（4）研究区IS分布具有明显的地域差异和地形导向,IS聚集在坡度低于15°、海拔1,500–2,300 m的坝区。较高ISP城区的景观聚集度持续增高,较低ISP区域景观趋于破碎。