【摘要】科学了解茶园的空间分布对于保护生态环境和维持农业经济可持续发展意义重大。基于Google Earth Engine（GEE）计算平台，以我国南方亚热带季风地区典型丘陵山区双江县为例，利用Sentinel-2遥感影像数据构建光谱、植被指数、纹理和地形特征集，结合简单非迭代聚类算法（Simple Non-Iterative Clustering，SNIC）和机器学习算法（随机森林（Random Forest，RF）、支持向量机（Support Vector Machine，SVM））实现面向对象的茶园提取，并与基于像元的提取方法进行精度对比。结果表明，相较于基于像元法，面向对象法在茶园提取上表现出更好的效果和更高的精度；无论是基于像元还是面向对象的茶园提取，RF算法都比SVM算法更具优势；面向对象的RF方法的茶园提取精度最佳，总体精度为94.9%，茶园的生产者精度和用户精度分别为86.5%和84.2%，证明面向对象法和RF算法在茶园遥感监测和提取方面具有较好的应用优势和潜力。该研究结果可为类似地区茶园识别提供参考，为当地茶树种植和管理提供决策支撑。