研究区域内不透水面的空间分布和动态变化,不仅能够为相关可持续发展和经济社会问题提供基础性研究数据,而且对于城市规划、环境和资源管理具有重要意义。如何利用现有遥感影像和先进的遥感技术及时准确的提取不透水面,是生态环境监测和城市合理规划亟待解决的问题。深度学习的复兴和变革,为区域不透水面的快速提取提供了很好的解决方案。然而,深度学习的方法往往需要大量高质量的训练样本,现有可用于不透水面的提取的数据集有限,且多为缺乏实际物理意义的DN值,无法满足其他类型传感器数据的应用需求。为了解决这一问题,本文提出了一种光谱库支持下的深度学习技术不透水面提取方法,该方法利用收集的标准地物光谱构建光谱数据集,可以实现多类型传感器、多波段遥感数据的不透水面提取。主要内容如下:(1)数据模拟构建光谱样本库。从各种标准地物光谱库中搜集和筛选可用于提取不透水面的地物光谱,基于线性混合模型模拟不同比例混合像元,实现对光谱库样本数据集的数据增强。依据不同传感器的光谱响应函数,采用加权合成的方法对构建的初始像元库进行重采样和卫星传感器数据模拟,建立适用于不同传感器和不同分辨率的样本像元库。(2)构建1DResCNN深度学习模型提取不透水面。将J-M距离作为样本光谱可分离性判别准则,计算样本像元间的光谱可分离性,获取对不透水面提取最有效的样本像元库。参考ResNets网络和多路径信息传递的思想构建了特征提取能力更强的1D ResCNN用于各类型传感器影像的不透水面提取。通过对比分析和精度验证,本文所提方法可以有效的分析和提取地物光谱特征,不透水面提取结果精度良好。(3)2015-2019年青岛市不透水面的提取和时空变化特征分析。2015-2019年青岛市不透水面的提取和时空变化特征分析。选择青岛市及各区县作为研究区域,利用2015-2019年10米、20米分辨率的Sentinel2 MSI和30米分辨率的Landset8 OLI数据提取了青岛市近五年的不透水面。通过不透水面扩张强度分析、重心转移分析、景观格局分析和地貌相关性分析,总结了该区域不透水面的时空变化特征并分析了该区域城市化的特点,为青岛市城市规划等应用领域提供理论依据。从应用角度,验证了本文所提方法的可行性以及实用性。