二十一世纪,随着城市化进程进一步加剧,聚集在城市的大量人口和频繁的人类经济社会活动对环境带来巨大的影响。及时准确地提取城市区域不仅对于监测城市化进程至关重要,而且为环境研究提供必要的基础数据。MODIS传感器拥有丰富的波段信息、较高的时间分辨率、广阔的覆盖范围、长时间的对地观测和免费的全球数据获取,因此被选择作为全球城区提取的重要数据源,但当前MODIS城区产品还有进一步提升的空间。本研究提出一种基于局部适应性策略的全自动城区提取方法,旨在解决全球城区提取中难以获取广泛分布的训练样本这一难题,同时提升MODIS的提取效果。方法主要步骤包括:1)训练样本池的建立,2)基于K-L散度的训练样本抽取,3)局部分类器的构建,4)基于时空信息的分类后处理。通过提出的自动化提取方法,对2001-2020年间的全球城区提取,得到年度城区产品MGUP（MODIS Global Urban Extent Product）。从全球范围内采集了9个年份逾150,000个验证样本点,以F-score作为精度评价的综合指标对MGUP产品分别进行按年度的精度评价、按城市等级和按大洲的精度评价。MGUP整体F-score为0.88,优于MCD12Q1.v5（0.82）,MCD12Q1.v6（0.86）和CCI（0.86）。在多种评价方式中,MGUP产品综合提取效果均最佳。结合MGUP产品,对2001-2020年间的全球城市扩张情况进行动态分析与评价。统计显示,2020年全球城区面积达809,135 km~2,占全球陆地表面的0.54%。2020年城区面积增长至2001年全球城区面积的1.70倍。在基于大洲的城市扩张分析中发现,整体上,六个大洲的城区面积持续增长,非洲、亚洲、欧洲和南美洲总体呈现城区快速扩张的态势,而北美洲和大洋洲城市扩张趋于平稳。城市扩张面积较大的区域主要集中在北美洲、亚洲、南美洲局部和欧洲西部地区。全球城区面积增长率的分布情况与城市扩张面积差异较大,2001-2020年间全球范围内城区面积增长率较高的国家集中在非洲和亚洲的发展中国家。