土地利用变化对分析气候和生态环境变化具有重要意义,而获取土地利用信息是实现这一目标的基础。基于遥感技术的发展,多源遥感平台为快速高效获取土地利用信息提供了数据支撑。但是中国沿海城市易受台风等天气气候的影响,云雨雾天气较多导致光学影像质量较差,再者遥感平台的重访周期一般较长,导致沿海城市可以使用的遥感影像数量减少,这为获取沿海城市的土地利用信息和分析沿海城市的土地利用变化带来困难。此外,受全球气候变化和以台风为主的海岸带天气气候影响,沿海城市易遭受极端洪水灾害威胁。洪水灾害使沿海地区的基础设施和大片农田以及房屋被淹,甚者会带来人类居住地的改变,这导致土地利用的空间格局的改变。另外,洪水泛滥也会引起生物种群结构的变化,这可能会破坏原有的生态平衡,使生态系统恶化,并带来其他环境问题。而且洪水灾害也会带来其他危害,如水资源污染、影响交通运输,甚至会引起传染病的爆发和流行。考虑到光学遥感影像在海岸区域的应用受限,而合成孔径雷达（SAR）影像不受天气影像,空间分辨率高且重访周期较短。因此亟需综合多源影像如光学和雷达影像实现对海岸区域土地利用格局的变化检测和沿海洪水灾害的实时监测提取。基于以上考虑,本文以浙江省中部沿海城市-台州市为研究区。首先对SAR影像进行预处理包括滤波、辐射定标和地理编码等,光学影像进行预处理包括辐射校正和大气校正,针对光学和SAR数据进行地理配准实现两者影像的空间位置匹配;其次利用典型影像融合方法包括HSV变换、主成分变换和Gram-Schmidt变换分别实现光学和SAR影像融合;基于最优融合影像,利用典型分类器包括统计学方法-最大似然法,机器学习方法-支持向量机和神经网络实现土地利用格局解译,并对获得的土地利用格局计算转移矩阵实现土地利用变化分析;最后基于灾前和灾后的SAR影像,采用差值法和阈值法实现洪水淹没区的监测和提取,并基于土地利用分类结果,统计洪水淹没损失。通过以上的研究内容,本文得到的主要结论如下:（1）基于像素级的三种融合算法表明,采用格拉姆-施密特方法实现光学和SAR影像的融合结果是最优。定性结果表明HSV变换和格拉姆-施密特变换的融合结果地物的色彩差异大,而且SAR影像的纹理信息得以保留,但是HSV仅是对三个波段进行融合,而定量评估表明格拉姆-施密特方法的融合结果其信息量增加最多而且结果的对比度也较高。融合结果的对比说明格拉姆-施密特能够更好综合利用光学和雷达影像信息。（2）基于统计学和机器学习方法对格拉姆-施密特的融合影像进行地物分类,分类结果表明,采用最大似然法的分类结果最好,分类总精度均超过91%,Kappa系数超过89%;其次分类结果较好的是采用神经网络,其总体精度和Kappa系数在训练和验证阶段变化很小;分类结果最差的是采用支持向量机算法,其分类精度约为84%,Kappa系数约为77%。结果表明,采用最大似然法可快速对融合影像进行土地利用格局解译,且获得分类精度最高。（3）土地利用变化分析表明,台州市从2015年至2019年林地和建设用地的面积增加,其中林地面积增加了280平方千米,建设用地的总面积超过1000平方千米。与2015年土地利用的面积相比,2019年农地面积百分比减少16.85%,水体面积变化微小,而未利用地面积减少约26平方千米,约占其2015年面积的46.41%。（4）基于临海市灾前和灾后的SAR影像洪水提取结果表明,此次因台风“利奇马”导致的洪水淹没面积达135.4平方千米,且淹没的土地利用类型以农地为主,淹没面积达到97.26平方千米。在利用差值法和阈值对洪水淹没区进行监测和提取时,初始提取面积为148.5平方千米,但在进行土地利用灾害损失统计时,水体面积为13.1平方千米,所以去除水体面积后,洪水淹没区的面积为135.4平方千米。（5）通过本文研究发现,融合光学和SAR影像提高了影像的信息量和地物的可分性,这为土地利用信息的获取提供了更好的数据基础;基于统计学的分类算法其速度和精度高于机器学习,但这需要进一步的研究验证;采用SAR影像能够显示洪水灾害的空间分布,利用差值和阈值法可快速实现洪水淹没区的检测和提取。