全球范围内快速增长的人口对粮食需求使得耕地面积进一步扩张,另一方面,受地形海拔高、坡度大和农业生产效益低等因素的影响,一些地区面临耕地撂荒的风险,由于不利的自然地理条件,山区和丘陵地区耕地撂荒尤为严重,耕地作为一种特殊和重要的资源,掌握其面积的变化至关重要。由于利用中高分辨率遥感影像监测耕地地理空间分布方法的缺乏,山区耕地的时空分布尚不清晰,耕地、林地、草地及裸地之间的转化规律也不明确。因此,本文以中国重庆市为例,采用ENVI 5.3软件对获取的美国航空航天局Landsat 8 OLI陆地卫星影像数据集进行几何校正、辐射定标、大气校正、去除云和阴影等预处理,计算出预处理后遥感影像的NDVI、NDWI和EVI等三种植被指数数值,并将获取的NDVI、NDWI和EVI等三种植被指数添加到预处理后的影像数据集中,用于后续遥感影像的解译。采用Py Charm 2017.3.4软件作为Python语言集成开发环境,构建出随机森林（RF）、支持向量机（SVM）、感知器（Perceptron）和分类回归树（Cart）等四种建模分类方法,进行遥感影像解译,同时采用混淆矩阵、Kappa系数和实测样本数据等方法对不同模型的解译精度进行评价,发展了一种基于年度土地利用变化监测的山区耕地地理时空变化提取方法。以往利用遥感数据研究耕地边际化时,往往忽视休耕地和撂荒耕地的区分,文章针对耕地变化为林地、草地和裸地的不同特点,建立了弃耕地转为休耕地、撂荒地和复垦地等三种识别规则,并计算出林地和草地转变为耕地的空间分布情况。研究显示,引入三种植被指数增强了研究区域土地覆盖类型的区分度。在整个研究期内,4种分类模型中,RF模型验证结果的混淆矩阵、Kappa系数和实测样本平均精度分别为86.18%、0.82和87.02%,针对不同年份影像解译的稳定性、准确性和适用性最高。重庆市撂荒率和撂荒地复垦率分别为17.76%和33.33%,其中部分尚有生产力的耕地也被撂荒。新开垦的耕地中,耕地以废弃原有不利地形条件的耕地和牺牲原有林地及草地为代价,呈现从海拔高和坡度大的地区向地形条件相对较好的低海拔和坡度较小地区蔓延的态势。