水果经济是现代农业经济的重要组成部分,识别和监测果园分布对掌握农村发展状况、农业种植结构和农民生活状况,制定农业政策具有重要意义。Landsat遥感影像为果园大区域、长时间段识别和监测提供了数据支撑,机器学习和数字图像处理技术等计算机技术为果园识别和监测提供了技术手段。目前对果园的识别和监测主要集中在平原地区,对山地丘陵区尤其是以云南为代表的云贵高原地区的果园提取比较少。山地丘陵区果园分布较为分散,且易与林地、耕地混淆,使得现有研究方法难以直接应用。为此,本文以云南省昭通市为研究区,基于2010-2019年Landsat TM/OLI卫星遥感图像,采集果园和非果园样本,构建果园识别遥感特征集,应用决策树、支持向量机和随机森林方法识别并提取果园信息,应用分类效果最优方法监测果园时空变化,并运用主成分分析模型分析2010-2019年果园面积变化情况及其成因。本论文主要研究内容和结论如下:（1）基于机器学习的山地丘陵区果园遥感识别研究。基于Google Earth Engine云平台,利用随机森林的分类方法构建了果园遥感图像识别模型,实现了2010、2015和2019年昭通市果园的分布制图。研究结果表明,在相同特征下与支持向量机和决策树分类方法相比,随机森林分类结果更好。使用随机森林的分类方法使提取果园面积精度大于96.06%,Kappa系数在0.94以上。采用随机森林的分类提取结果符合实际情况,分类效果良好,有效地提高了分类精度,此方法可运用于果园的提取。（2）基于地理信息技术的山地丘陵区果园时空变化监测。应用土地利用转移矩阵、叠加分析、分区统计等地理信息技术,对研究时段内昭通市果园面积动态变化进行描述和分析。研究结果显示,2010-2015年和2015-2019年昭通市的果园面积分别增加约32.15 km~2和4.96 km~2,果园与耕地、林地和建筑用地等土地利用类型互相转化,反映了自2010年以来昭通市不断加大果园产业发展的扶持和培育投入力度;果农大规模开发山地种植果树直接导致了果园面积的增加,2010-2019年果园种植面积变化呈上升趋势;果园面积变化与近年来自然环境的变化和农业发展有密切的关系。（3）基于主成分分析的果园面积变化相关因素分析。基于昭通市2010、2015及2019年统计年鉴数据,选取6项相关变量（总人口、农业产值、农村居民纯收入、年降水量、年平均气温和年日照数）,构建果园面积变化的主成分分析模型,并分析影响果园面积动态变化的相关因素。研究表明,农业产值和农村居民纯收入等因素是影响果园面积显著变化的主要原因。