香蕉是主要经济作物,中国香蕉的种植面积居世界前列,国内外已有大量相关研究利用遥感技术对农作物进行地类识别和信息提取,但有关香蕉林或者高原山地香蕉林的遥感研究方面仍然较少。由于云南地处高原,山地香蕉是云南的主要栽培品种和省内特色高原农作物,省域范围内大量种植。国家出台相关政策支持高原特色农业的发展,发展高原特色农业有助于推动精准农业的发展,一方面带动了农民和当地经济转型和发展,另一方面也带动了农业现代化发展的进程。精准获取香蕉林的种植信息和空间分布信息为种植环境的生态适宜性评价、产量评估等奠定了基础。由于农业生产活动普遍面临种植面积大、种植地貌差异大、单位面积经济效益不一致、间作套作难以估产等不稳定因素,在加上云南地处高原山地面积覆盖广且海拔高,更为传统地面农户调查带来了不利条件。正因为传统调查结果难以满足如今生产所需,遥感卫星影像分辨率的提高和遥感技术的快速发展才为这一问题带来了新的解决方案。选取云南香蕉主要生产县金平县为研究区,采用高分6号及sentinel-2遥感影像数据,在传统识别地类研究的研究基础上,基于Google Earth Engine平台自集成的分类器,对金平县山地香蕉林选取面向对象的方法对其进行信息识别提取和分析不同海拔带的种植情况,并比较不同数据源和不同分类器对香蕉林信息提取效果和表达程度的影响,结果表明:（1）基于高分六号的山地香蕉林信息提取研究。由于香蕉林具有独特的纹理特征可作为一大识别特征,故采用面向对象的分类方法对其进行分类和信息识别。经过反复对分割尺度的对比,结果表明分割尺度为40合并尺度80为最适宜所选研究区遥感影像图的分割尺度,将纹理信息、DEM高程信息和植被指数等相结合构建多源数据。由于随机森林分类具有处理大数据集的能力、人工干预较少和抑制过度拟合等优点,故采用随机分类对研究区内香蕉林进行信息提取。最终得到提取到的香蕉林用户精度为97.37%,制图精度为96.2%,错分误差为2.63,漏分误差为3.8,KAPPA系数为0.96,总体分类精度为97.35%。基于高分六号提取的香蕉林信息提取效果最好,能够表示香蕉林分布情况,但由于影像分辨率较高,也存在计算较慢、效率低等问题。（2）基于Sentinel-2的香蕉林信息提取研究。选取Google Earth Engine平台集成的低云量质量好的Sentinel-2遥感卫星影像,对其分别用该平台集成的支持向量机（SVM）、分类决策树（CART）和随机森林对其进行分类。对比三种不同分类方法所得到山地香蕉林信息提取结果,由于支持向量机具有能从多特征中获取主要信息的优点,故三种方法对sentinel-2影像的香蕉林信息提取中,支持向量机模型的提取效果最好,香蕉林分布区域与实地调查所得的数据相吻合。得到的香蕉林制图精度为93.3,用户精度为93.9,错分误差为6.1,漏分误差为6.7,KAPPA系数为0.93,总体分类精度为94.66%。（3）总的来说,以上的方法均能大致的表示香蕉林信息,通过对比以上方法的提取效果,基于高分六号的随机森林分类所提取到香蕉林种植面积更接近统计年鉴,分布位置更接近实地考察的种植位置;基于sentinel影像所得到的香蕉林信息提取最准确的为通过支持向量机分类所得到的结果。由此可知不同的影像适用的最佳分类方法不一样,同一分类方法下影像分辨率越高,可以有效的提高对相同目标地物的分类精度。