城市是自然环境和人工环境的集合体，也是人类一切活动的中心，因此，对城市的监测有重要意义。遥感技术能在短时间内获取大范围的数据，使得信息能够同时通过图像与非图像的方式进行表达，并且可以抵达人类无法涉足或者危险的地方，而且对环境的负面影响很小，因此在城市环境研究中应用广泛。但是，城市环境中的地物种类复杂多样，而且同类地物之间的空间异质性强烈，使得用中低空间分辨率的遥感影像进行城市环境研究时有大量的混合像元存在，这些混合像元使得传统的基于像元级别的信息提取方法的精度难以达到实用要求，从而限制了中低空间分辨率遥感数据在城市环境中的应用。所以，当前的许多研究都致力于提高中低空间分辨率遥感影像在城市地物信息提取中的精度，从而扩大其可用性。本研究为了达到提高精度的目的，从亚像元和混合地类的角度分析城市环境的地表覆盖信息，希望能够提高信息提取的精度。　　本研究以中国典型的大城市—北京市为例，获取该地区Landsat8陆地资源卫星成功发射后拍摄的第一景影像，针对使用中低空间分辨率遥感影像进行城市地物研究时存在的大量混合像元问题，探讨这种空间分辨率的影像用于城市地物亚像元信息提取时的策略。首先，在分类之前创建了对应的类别体系，用于确定合理的地物类别。在本研究中提出了包含有混合地物类别的新类别体系，命名为W-V-I-S模型（W代表水体，V代表植被，I代表不透水面，S代表裸土），并用正四面体对该模型进行形象化表达，正四面体的顶点、边、面和内部分别代表不同的地物类别，在W-V-I-S类别体系的指导下，结合高空间分辨率数据、专家知识和实地调研数据，再运用基于径向基核函数的支持向量机方法在亚像元尺度上对北京市的土地覆盖类别信息进行提取。本研究的主要内容和结论如下:　　1.把混合地物类别引入类别体系中　　在现有的V-I-S模型基础上，提出了含有混合地物类别的类别体系四面体—W-V-I-S模型。该模型用正四面体来表达城市环境的地表覆盖状况，水体、裸土、植被和不透水面分别位于正四面体的四个顶点处，正四面体的边表示其中任意两种地物的混合，距离代表哪种地物的顶点越近，说明混合类别中该种地物所占的成分越多;正四面体的面表示其中任意三种地物的混合，位于面上的不同位置，三种地物所占的比例也不同;正四面体的内部空间表示四种地物的混合，不同位置处四种地物所占的比例不同。该类别体系比现有的类别体系能够更准确、更全面地概括中低空间分辨率遥感图像中每个像元所代表的地物类别，第一次明确把混合地物类别引入到类别体系中。　　2.基于W-V-I-S类别体系建立样本库　　首先要提取某类地物的范围，此范围内不仅包括该种地物，还包括周围与其相邻的地物，它们共同构成掩膜数据，在这个掩膜范围内再运用非监督的方法进行聚类，在聚类结果中随机抽取一定比例的样本，用于构建初始的样本库，结合高空间分辨率数据、专家知识和实地调研信息确定这些样本的真实类别信息后，添加类别名及对应的样本于样本库中，当再次提取其他地类信息时可直接基于该样本库，并对其进行优化，样本库的完善通过人机交互的方式实现，首先判断样本之间的相似度，对于计算机识别出的新类别信息要结合专家知识进行验证确定，最终完成样本库的优化工作。　　3.亚像元信息提取　　基于建立的样本库，结合径向基核函数支持向量机分类方法，提取城市地物覆盖的亚像元信息。实验结果显示，本论文中提出的方法比传统的用纯样本训练的SVM后验概率结果和线性光谱解混结果的精度都高，这说明异质性强的城市环境更适合用非线性模型进行模拟。此外，本研究只提取了与水体、植被和裸土相关的亚像元信息，对不透水面没有作处理。按照W-V-I-S模型，当水体、植被和裸土被提取后，城市中剩余的区域就是不透水面。由于北京市范围内的不透水面状况非常复杂，材质种类多种多样，既有古建筑中各种颜色的瓦砾，又有现代建筑中各种材质的建筑材料，所以若要准确、精细地提取这些信息，需要更高空间分辨率和光谱分辨率的数据以及其他辅助数据的支撑，因此本研究没有再对不透水面作进一步的处理。