城市区域是可持续发展的核心。城市区域产生的GDP占全球GDP的75%以上,能源消耗占全球最终能源使用量的75%左右,并且每年会产生约20亿吨的废物。世界需要更多的科学决策知识,以有助于城市拥有可持续发展的未来。现在,对地方,国家甚至国际层面的政府和决策者来说,对这种科学决策知识的需求已经变得十分急迫。过去五十年来,遥感技术的进步大幅度提升了我们对城市区域的理解与认知。城市遥感的主要贡献包括但不限于,城市不透水面的提取,城市土地覆盖变化和城市气候的热遥感。今天,新传感器的激增,长时间序列的卫星记录存档,地球观测数据与辅助数据集的联合分析,高性能计算设施的广泛可用性以及遥感之外的数据和方法的逐步使用共同为城市化的地球提供了创造科学知识的新机会。城市不透水面数据对于城市规划以及环境和资源管理都非常重要。城市不透水面的提取最近也引起了前所未有的关注。多源卫星遥感协同观测将显著提高城市不透水面观测的时空频率,为开展城市不透水面的精确提取提供了数据基础。同时,随着云计算和人工智能技术的发展,出现了以Google Earth Engine(GEE)为代表的云处理平台,为不透水面提取提供了新的契机。目前,亟需有效评估如何基于海量的多源的时间序列遥感数据以提取准确的不透水面。本文基于随机森林算法和GEE云处理平台,利用Landsat 8 OLI、VIIRS和LJ-1等多源的时间序列遥感数据,进行了城市不透水面提取的研究与实验,主要评估和分析了面向多源中等分辨率(30m)城市不透水面的提取方法。研究区为中国的北京市。主要研究成果如下:1)评估并对比了基于单一时相的Landsat8 OLI影像的光谱、独立成分分析(Independent Component Analysis,ICA)、主成分分析(Principal Component Analysis,PCA)和纹理等特征在城市不透水面提取中的性能差异,包括特征重要性评价和提取结果的精度评定等。2)利用年度Landsat 8 OLI密集时间序列遥感数据,进行图像合成,可以有效降低数据质量等对城市不透水面提取的影响。研究利用了北京市年度密集时间序列Landsat8 OLI数据,结合地球大数据多维数组理论和随机森林算法,讨论了如何有效利用年度密集时序Landsat影像进行年度合成,以进行城市不透水面提取的研究。3)结合年度Landsat 8 OLI密集时间序列数据和VIIRS、LJ-1等多源遥感数据进行城市不透水面的提取。评估了基于多源的时序遥感影像进行中等分辨率(30m)城市不透水面提取的性能。研究发现,相对于单一遥感数据而言,采用多源时序遥感数据可以明显提高不透水面的提取精度。