中国是世界上最大的苹果生产国和消费国,苹果的种植面积和产量超过世界总产量的50%。在山东、山西、陕西等苹果优势生产区,苹果产业已成为当地经济发展的支柱产业,为实现苹果园的精准监测和科学管理,准确地获取果园分布和精细的获得果树的冠层结构至关重要。现代遥感技术的快速发展,促进了高分辨率和高时域的遥感影像的产生,通过对遥感影像的处理和信息提取,将丰富苹果园分布监测和长势监测的手段,进一步保障我国苹果生产区的生产和可持续发展。本文以我国山西省临猗县和山东省栖霞市两个苹果主产地为研究区,分别利用卫星遥感数据和无人机遥感数据对苹果园分布和苹果树冠层信息进行提取。果园分布信息对政府宏观管控、优化种植布局,实现高效农业生产具有重要意义;单棵果树冠层信息为实现智慧农业、差异化定株管理提供重要信息。总体上本文的工作分为两个部分,第一部分是利用时序多光谱卫星影像,提取不同果树间的物候特征,对山西省临猗县庙上乡、七级镇和临晋镇的果园分布进行提取。第二部分是使用无人机数码相机获取的山东省栖霞镇典型的苹果园高空间分辨率影像,以图像分割分水岭算法对不同时期的苹果园进行单木分割和果树冠层提取。本论文主要内容和成果如下:（1）在本文研究区中,由于果树的种类繁多、生长环境复杂,具有地块破碎、窄长的特点,并且不同种类果树的生长物候周期基本保持一致,这对于果树的精细分类提出了较大的挑战。传统的DTW（Dynamic Time Warping,DTW）算法只能通过计算单条曲线差异判别类别,在物候曲线相对一致的果树分类中不占有优势。本研究提出了一种基于光学和SAR（Synthetic Aperture Radar,SAR）数据集成的熵权DTW模型,利用光学和SAR的指数时间序列,计算每条曲线的DTW距离,通过熵权法集成对分类贡献最大的5条指数特征,最后利用曲线的最小距离进行精细果树分类。结果表明,在地块尺度,本文提出方法的分类总体精度为0.75,Kappa系数为0.68,相较与单波段的DTW分类结果有了明显的提升。最后,为了更好推广我们提出的模型,我们探索了模型在像素级数据中的分类表现,总体分类精度为0.63,Kappa系数0.51,低于地块尺度的分类结果。该方法对获取高相似果园分布进行了探索,获取的果园分布可为政府优化种植结构布局、把控果业宏观经济效益提供有利信息。（2）果树冠层信息是监测果树生长和诊断健康状态的基础。本文选择果树生长旺盛、冠层高郁闭度时期进行单木冠层提取。果园内果树冠层具有冠层纹理复杂、排布规则、冠幅相似、局部制高点不突出等特点,实现单木分割较为困难。以传统基于种子点标记的分水岭算法对于果树分割的结果并不理想。因此,本文设计了一种基于无人机数码影像的单木分割方法,利用高斯滤波、形态学运算、自适应阈值分割提取潜在树冠主体,并以潜在树冠主体作为区域型种子块,执行基于标记的分水岭算法实现单木分割。为验证算法的鲁棒性,本文使用三处密植型苹果园的数码影像开展试验。对研究区中一共1025棵果树进行棵数统计和单木冠层提取,精度结果显示:棵数统计总体查准率99.09%、查全率95.22%,F1得分97.11%,单木冠层提取总体准确率93.45%。将本文提出的算法与单点型种子点单木分割算法对比,结果显示:基于区域型种子块方法在果树之间的欠分割误差低,可有效抑制树冠交叠区域被重复分为多棵果树,能最大程度保留果树的冠层轮廓。最后,本文增加了算法在数字表面模型与Ex G（Excess Green Index,Ex G）影像中的分割实验,结果表明,区域型种子块同样适用于无人机数码影像衍生的Ex G影像,且取得了较好的分割结果。该方法为密植型果园的单棵果树冠层提取做出了探索性工作,对精准实施水肥管理提升果园智能化管理提供重要信息。