准确、及时地获取城市地表覆盖的空间范围和分布,对于监测城市化进程、研究城市化对生态环境的影响以及分析城市发展的驱动力等方面具有非常重要的意义。不透水覆盖是城市地区典型的地表覆盖类型,目前已有许多研究致力于利用遥感数据绘制不透水覆盖专题图。然而,混合像元的存在已被证明是影响像元级分类准确性的关键问题。因此,在过去的几十年里,亚像元级的不透水覆盖信息提取得到了迅速的发展。在亚像元分类中,每一个像元都被视为其所包含的覆盖类别的组合,而不是单一的类别标签。虽然亚像元级分类已经取得了显著的成功,但迄今为止高质量的亚像元不透水覆盖专题制图仍然具有挑战性。因此,考虑到不透水覆盖在城市地表覆盖类别中的重要性及其信息提取的复杂性,本文以不透水覆盖作为主要研究类别,对亚像元级的连续型不透水覆盖百分比（%IC）信息产品进行精化研究,提出了基于回归-克里金的信息精化方法。主要的研究内容和结论如下:（1）连续型不透水覆盖百分比信息提取和样本参考数据的采集提取研究区域Landsat OLI影像的%IC信息,作为待精化的%IC信息产品。基于简单随机抽样和分层随机抽样进行抽样设计,并结合GF-1高分辨率遥感影像采集的样本参考数据,获得不同数量与空间分布的训练样本和测试样本,用于后续的建模和结果评估。（2）基于回归-克里金的不透水覆盖百分比信息精化研究对所提取的质量较低的%IC信息产品进行表面分析,提取不同邻域大小的空间模式特征作为解释变量,通过递归特征消除法对所提取的空间模式特征进行显著解释变量选择;以%IC误差（即%IC参考值与%IC原始值之差）为响应变量,分别运用多元自适应回归样条、随机森林和支持向量回归三种方法构建响应变量与显著解释变量之间的回归模型;而后通过克里金方法对具有空间自相关性的回归模型的残差进行空间插值,将回归预测值与残差估计值相加,获得%IC误差的回归-克里金估计值;最后将%IC误差的估计值与原始%IC值相加,得到最终的%IC精化值,从而实现对数据的精化。实验结果表明,上述的三种回归-克里金方法均对原始%IC信息产品的质量有所改善,显示了回归-克里金方法对%IC信息精化的可行性和有效性。