城市是社会、经济、政治等人类活动的重要场所,虽然只占地球表面很小的一部分,但变化最为快速。城市化的高速发展使得人口大规模向城市化地区聚集,城市建设用地不断增加。城市的扩张不仅会改变局部地区的土地覆被构成,而且会影响区域乃至全球的生态系统,带来一系列如水土流失、地表水污染、地面沉降等环境问题。我国的城市化率还在持续增长中,及时、准确地掌握城市土地利用变化能够防范与遏制城市盲目扩张,为宏观决策制定提供科学依据。随着区域城市化战略的实施,城市土地监测及其相关研究逐渐从针对单个城市的分析转向区域和更宏观尺度的探讨。利用遥感技术开展区域城市土地监测,不但可以在节约人力、物力和时间的前提下获取准确的土地利用情况,而且能够补充历史资料,提供全面的城市土地变化特征,为区域城市用地面积统计、分布和变化分析提供数据支撑。国内外学者在基于遥感技术的城市土地遥感监测中取得了丰硕的研究成果,但在区域尺度下仍存在一些问题:1)在数据方面,低空间分辨率遥感数据的获取成本低廉、时间分辨率高、覆盖范围广,在区域尺度城市土地遥感监测中应用最为广泛。但低空间分辨率影像中存在大量的混合像元,城市像元的“同物异谱”和“异物同谱”现象易导致城市土地的低估或高估情况。如何在区域尺度下发挥各种遥感数据的优势还需进一步研究。2)在方法方面,区域尺度的城市制图是典型的不平衡分类问题,非城市像元数量远大于城市像元数量。此种情况下,多类别或二分类方法都会偏向于那些具有更多数值的特征,产生有偏的分类结果。且区域尺度下的样本采集本身费时费力,纯净城市像元不易获取,非城市像元又具有非均质的光谱特征。故,还需从方法入手,发展针对于特定类别的城市提取方法,在少量样本的前提下获取准确的城市区域。针对现有区域尺度城市土地遥感监测中存在的问题,本文以区域尺度下的“城市”为研究对象,以三类常用的区域尺度城市土地遥感监测数据为数据支撑(即夜间灯光影像DMSP/OLS NTL与NPP-VIIRS DNB,MODIS数据产品MOD09A1与MOD13A1,以及包含城市类别的全球土地覆被数据集MCD12Q1与GlobeLand30),探讨两类针对单目标的方法(即基于知识驱动的指数模型法与基于数据驱动的一类分类法)在区域尺度下提取城市土地的有效性。主要研究内容与结论如下:(1)在数据方面,本文分析了三种遥感数据的数据结构与数据质量,并给出了原始数据的处理策略,包括:夜间灯光数据NPP-VIIRS DNB去噪与极大值过滤,MOD09A1影像筛选与质量控制,MOD13A1 NDVI最大值合成以及基于GLC30-2010人造地表类型的城市区域提取;在实验阶段,本文对比分析了不同数据组合的效果。结果表明:1)夜间灯光数据与地表反射率数据的结合比使用单一遥感数据的准确性高;2)且夜间灯光数据对城市提取结果的贡献程度更高,它对城市与其他非城市类别具有更好的区分度;3)两种灯光数据中,NPP-VIIRS DNB比DMSP/OLS NTL具有更好的微光探测能力,特别是在小城市斑块以及城市的边缘,提取城市区域的准确性更高,而DMSP/OLS NTL夜间灯光数据存在溢光现象与值饱和问题,城市范围提取不准确,易产生高估的结果。(2)在基于知识驱动的指数模型法中,依据数据源的差异,本文将现有指数分为:只以地表反射率数据为输入的不透水面指数(NDBI、NDVI、IBI、BCI)与以地表反射率数据和夜间灯光数据为输入的居民地指数(VANUI、BANI、LISI)。在分析了现有指数的基础上,本文建立了居民地指数LHSI(Large-scale Human Settlement Index)。该指数结合了夜间灯光数据NPP-VIIRS DNB与地表反射率数据的优势。在实验阶段,本文对不同输入数据与不同指数构成方式的两类八种指数进行了全方位的对比分析,探讨了各指数对不同地物的区分度与城市提取的准确性。实验结果表明:1)融合了灯光数据的居民地指数比不透水面指数能够更有效地区分城市与非城市类别;2)其中,由NPP-VIIRS DNB夜间灯光数据得到的居民地指数LISI和LHSI比由DMSP/OLS NTL夜间灯光数据得到居民地指数VANUI和BANI的准确性高;3)且LHSI能够比LISI提供更丰富的城市内部细节信息。(3)在基于数据驱动的一类分类法中,本文将一种新的一类分类方法PUL(Positive and Unlabeled Learning)引入区域尺度城市土地监测中。通过输入数据分析与方法对比分析,本文全面评估了利用PUL方法提取区域尺度城市土地的有效性。实验结果表明:1)与常用的一类分类器OCSVM相比,PUL方法城市提取的准确度更高。它能够利用背景数据提供的辅助信息,避免易混淆地物覆盖的错分以及在灯光微弱区域如城市郊区与小城市斑块的漏分;2)与使用相同输入数据的居民地指数LISI相比,PUL方法能提供更清晰的城市边界,有利于城市与非城市像元的划分,且其在区域尺度上具有很好的鲁棒性。三种方法中,PUL方法更适宜在区域尺度上进行城市土地提取。(4)基于以上结论,本文利用PUL方法结合NPP-VIIRS DNB与MODIS NDVI数据制作了2012年中国大陆城市区域专题图。与常用土地覆被数据集MCD12Q1中的城市类别相比,本文结果与地表情况更接近,准确性更高。通过两个级别的验证表明:1)在像素级别,本文结果具有较高的准确度(Kappa系数达到0.842);2)在城市级别上,本文结果包含了所有的中央直辖市、省级市和地级市,仅遗漏了四个县级市,城市识别精度为99.38%。