在世界范围内,茶作为一种饮品,在人类日常生活中扮演着重要角色;同时,茶叶及其有关产业对于国家和地区经济发展等起到重要作用。因此,有必要准确掌握茶叶的产量等有关信息。其中,获取茶叶种植区的空间分布范围,并及时获取茶叶种植区的面积,在茶叶产业有关研究内容中扮演着基础性作用。传统方法依靠人工野外调研或者目视解译的方式获取茶叶种植区的空间分布范围,这种方式费时、费力、难以有效更新。随着遥感技术的发展,其动态、连续、大范围观测能力有助于快速识别茶树、准确获取茶树的空间分布特征和种植面积等重要信息,成为当前茶叶种植区识别的重点研究内容。同时,随着Google Earth Engine（GEE）等云平台的出现和云计算技术的不断成熟,传统的基于客户端模式的遥感处理方式也在发生前所未有的变化。GEE云计算平台具有海量存储空间、高效的计算能力和种类丰富的遥感影像数据,方便研究人员快速开展研究,避免了影像下载等繁琐的预处理步骤,有效地节省了算法开发时间和成本。基于此,在GEE平台利用时序遥感影像数据对茶叶种植区进行精确提取,并分析其年际动态变化规律,成为本文的重点研究内容。本文使用GEE云平台中的时序Sentinel-2和Landsat-5/7/8影像数据作为输入,通过利用随机森林算法,提出了基于随机森林分类算法的遥感影像茶叶种植区提取方法,并与其他分类模型进行了对比。同时,本文以河南省信阳市浉河区为研究区,开展了多年茶叶种植区提取研究,对研究区信阳茶叶种植时空变化规律进行了探究。本文研究结果表明:（1）采用和发展的随机森林分类模型能够优于支持向量机等机器学习模型,将其应用于Sentinel-2时序影像实现了茶叶种植区空间分布信息的高精度提取,且能够较好地克服云遮挡等因素带来的影响;（2）利用时空分析方法对信阳茶叶种植区进行多年提取,发现在2010年至2020年11年期间,信阳市浉河区茶叶种植变化比较稳定,主要集中分布于研究区中部山区地区。（3）本文对研究区内的茶叶种植的驱动因素进行了相关性分析,得出人口是最重要的驱动因素,其次是地形因素中的坡度和坡向因素。此外,气温、降水、土壤、水系以及高程因素对茶叶种植有着一定影响。