作为城市研究中的核心问题之一,城镇化程度能够反映一个城市社会经济的发达程度,也是各个国家实现工业化、现代化的必由之路。党的十八大明确提出新型城镇化的概念,要求实现社会、经济、生态环境等全方位协调的可持续发展。因此,在此背景下如何及时对城镇化中存在的问题进行梳理、分析和评价,推动城镇化可持续发展是我国现阶段亟待研究的重大命题。随着高分辨率影像不断增加,以深度学习为代表的机器学习迅速发展,大数据分析技术不断走向行业应用,将这些先进技术与城镇化监测、演化分析、可持续评价相结合,从空间研究上来推动城镇化可持续发展的战略选择是十分有意义的,也是城镇化发展所亟待解决的。因此,本文在对国内外现有研究框架梳理的基础上,开展基于机器学习的城市空间提取、演化和可持续评价的研究工作,主要研究内容如下。（1）采用机器学习方法实现城市用地信息的空间提取研究。本文以城市建设用地分类为应用导向,基于地理国情数据、大比例尺地形图数据,制定不同样本制作策略后,构建符合深度学习模型训练要求的城市空间用地分类样本库和建筑物样本库。在传统的监督分类框架下,通过将尺度不变特征变换（Scale-invariant feature transform,SIFT）描述的局部特征、空间金字塔描述的全局特征相结合实现空间视觉词袋模型（Bag of Visual Word,BOW）模型和高斯过程相结合的场景分类算法。针对高分辨率卫星遥感影像的特点、小目标和多尺度建筑物的识别需求和算法实用性,在已有单步多目标检测器（single shot multibox detector,SSD）识别框架和特征提取能力强的网络模型基础上,提出基于尺寸转化检测网络的建筑物识别方法,实现建筑物目标的高精度识别。同时针对复杂城市空间用地的提取需求,基于场景分类的概率和机器学习原理提出的融合决策规则,提出了基于场景分类和建筑物识别的城市空间用地集成分类算法。（2）开展天津市2008至2016年间城市空间演化及其驱动力研究工作,主要包括三方面:1)提出了基于“扩展规模-扩展类型-扩展方向”的城市空间扩展三维分析框架;2)提出了基于综合紧凑度的城市空间分析指标,实现了天津市城市形态的演化研究;3)提出和实现了基于提升树的城市空间驱动力分析方法,识别天津市多年空间演化的驱动因子。研究结果表明1)扩展强度和速度呈以下规律,市内六区＜滨海新区＜环城四区＜外围五区;扩展幅度呈以下规律,市内六区＜环城四区和外围五区＜滨海新区;2)天津市各区域整体发展方向基本一致,标准差椭圆多呈现为狭长型,有明显的方位特征;其中外围五区呈现出扩展方向的标准差椭圆由狭长型向标准型的转变趋势;滨海新区和环城四区存在一定的多中心性发展趋势;3)蓟州区与宝坻区的综合紧凑度始终保持在较高水平,这与当地的生态保护政策有一定关系,滨海新区的综合紧凑度始终处于较低水平,武清区综合紧凑度下降的最为明显;4)市内六区规模与紧凑度的耦合度较高,环城四区、外围五区、滨海新区的耦合度均较低,在研究期间,天津市各区的耦合度无显著变化;5)天津市空间扩展是多种因素共同作用的结果,其中GDP、人口密度、实际直接利用外资是天津市城市扩展的主要驱动力;6)天津市城市形态变化的主要影响因素是人口因素。（3）建立了基于“经济-科技-社会-环境”四维城市可持续发展评价指标体系与BP神经网络评价模型。通过城市可持续发展维度分析,构建了城市可持续发展四维评价理论框架。在此基础上,采用“自上而下”顶层设计方法,通过文献提取法筛选了19个可持续发展评价的指标。进而采用熵值法确定各个子系统包含的指标权重,主要原因是其能较客观的评价城市群可持续发展水平的综合水平。针对当前在学术界和实际应用中,可持续发展评价的方法存在评价指标选择和其权重的科学性以及最终评价结果的准确性引起了很多质疑的问题,提出利用BP神经网络的方法对城市可持续发展进行评价。从可持续性发展的四个维度出发,通过文献提取法筛选出的包含四个维度的19个指标,确定了输入层、隐含层和输出层,构建了19×5×1的反向传播（Back Propagation,BP）神经网络评价模型。（4）实现了天津可持续发展评价及实证分析。采用2008-2016年《天津统计年鉴》、《天津市科技年鉴》中相关统计数据和本文提取的水资源和城镇化数据,利用Tensorflow实现了BP神经网络评价。由结果知,天津市可持续发展的实现情况虽然良好,但仍有提升的空间。通过分析各子系统可持续发展水平发现,天津市经济和社会发展水平较高,经济较社会系统更稳定,科技可持续发展水平逐年提高,达到较高水平。但是,天津市环境系统发展水平一般,且在2008至2016年间没有明显提高。环境的可持续发展水平明显降低了其可持续发展的综合实力。论文的创新点主要有三个。（1）以城市建设用地分类为应用导向,提出了基于机器学习方法实现城市用地信息的空间提取研究。由于以Image Net为代表的开源数据库难以直接应用于遥感影像分类中,因此,本文构建了符合深度学习模型训练要求城市空间用地分类样本库和建筑物样本库。在传统的监督分类框架下,通过将SIFT描述的局部特征、空间金字塔描述的全局特征相结合实现空间BOW模型和高斯过程相结合的场景分类算法。针对高分辨率卫星遥感影像的特点、小目标和多尺度建筑物的识别需求和算法实用性,提出了基于尺寸转化检测网络的建筑物识别方法,实现建筑物目标的高精度识别。同时针对复杂城市空间用地的提取需求,提出了基于场景分类和建筑物识别的城市空间用地集成分类算法。（2）通过城市扩展三维分析框架、综合紧凑度的城市空间分析指标和基于提升树的城市空间驱动力分析方法,开展了天津市2008至2016年间城市空间演化及其驱动力研究工作。提出了基于“扩展规模-扩展类型-扩展方向”的天津市城市空间扩展三维分析框架,综合紧凑度的城市空间分析指标,实现天津市城市形态的演化研究,提出和实现基于提升树的城市空间驱动力分析方法,识别天津市多年空间演化的驱动因子。（3）从城市可持续发展的四个维度出发,构建了基于BP神经网络评价天津市可持续发展的神经网络模型,并进行了实证分析。基于评价指标体系原则,采用文献提取法并兼顾数据易得性等,筛选出了包含四个维度的19个指标,进而构建了19×5×1的BP神经网络拓扑训练模型。由结果知,天津市可持续发展的整体情况虽然良好,但仍有提升的空间。通过分析各子系统可持续发展水平发现,环境的可持续发展水平明显降低了其可持续发展的综合实力。相比之下,天津市经济和社会发展水平较高,经济较社会系统更稳定,科技可持续发展水平逐年提高,达到较高水平。