近年来,由于黄龙病等自然灾害的发生,赣南地区的柑橘产业受到严重影响,因此必须对赣南柑橘果园进行研究,获取其面积信息及空间布局信息,为柑橘果园的生产管理及产业政策的科学制定提供依据。目前支持向量机(SVM)已在遥感影像分类方面得到广泛应用,但用于柑橘果园信息提取并不多见,且不恰当的参数选择方法会导致SVM的分类精度降低。因此通过人工蜂群算法(ABC)优化SVM的参数构造ABC-SVM分类模型并进行柑橘果园信息的提取,从而实现对柑橘果园面积动态变化及空间布局变化特征的分析,具体如下:(1)ABC-SVM模型的构建及分类。将SVM的分类准确率作为ABC算法的目标函数值,利用ABC算法优化SVM的惩罚参数及核函数参数,两者结合构建出ABC-SVM分类模型。通过影像预处理、选取训练样本以及特征提取等工作,实现ABC-SVM模型对研究区影像的分类,并将分类结果与SVM模型的分类结果进行比较,结果表明:ABC-SVM模型的分类精度高于SVM模型,且果园提取精度最低为85.74%。由此可知,ABC-SVM模型的分类效果优于对比模型,且适用于柑橘果园信息的提取。(2)柑橘果园面积动态变化分析。通过土地利用转移矩阵对研究时段内柑橘果园面积变化方向进行了定量描述,结果表明:2009-2013年期间,研究区内柑橘果园面积增加了41.68平方千米,验证了赣南地区先后大力实施“山上再造”、“兴果富民”等战略举措的实际效果;2013-2017年期间,研究区内柑橘果园面积共减少了172.31平方千米,反映了黄龙病等自然灾害对柑橘果园产业的影响巨大。(3)柑橘果园空间布局变化分析。以柑橘果园面积变化为依据,构造出柑橘果园种植集中度指数和柑橘果园用地规模指数,并分析研究区所属乡镇的柑橘果园空间布局变化,结果表明:2009-2017年柑橘果园种植集中度指数的变化可以分为以下四种类型:持续增长型、持续下降型、稳定型、波动型。此外,2009-2017年柑橘果园用地规模指数的变化主要有以下三种类型:持续下降型、稳定型、波动型。(4)柑橘果园分布相关性分析。以乡镇行政区划为研究单位,通过Moran’s I指数对柑橘果园分布的全局相关性和局部相关性进行分析,结果表明:以集中度指数为变量,2009-2013-2017年研究区整体表现出十分明显的空间集聚特征且聚集程度呈现先减弱后增强趋势。同时各乡镇之间柑橘果园种植集中度的集聚类型主要为H-H高值集聚类型及L-H低高异常值集聚类型,且随着时间推移,H-H型的乡镇并未发生变化,较为稳定,而L-H型的乡镇却有较显著的变化;以用地规模指数为变量,研究区内整体表现出十分明显的空间集聚特征且聚集程度呈现增强趋势。同时各乡镇之间柑橘果园用地规模的集聚类型主要为H-H高值集聚类型、L-L低值集聚类型及L-H低高异常值集聚类型,且随着时间推移,L-H型的乡镇并未发生变化,较为稳定,而H-H型及L-L型的乡镇却有较显著的变化。基于上述分析,可得到相关结论及建议:近年来赣南地区的柑橘已趋至商业化,经多年大规模种植活动,现已形成种植规模大、分布连续、种植作物单一的特征,也因此在农户及地区经济占有较大比重。因此相关部门必须保持对柑橘果园空间布局相关性的分析,做好黄龙病等灾害防治工作,减轻农户的损失。同时,必须关注柑橘的合理化种植,提出指导意见,加强园内水土保持措施的建设,从而推进赣南地区生态环境可持续发展。