随着社会经济的发展,城市的扩展速度在飞速加快。不透水面的信息可以最直观地反映一个地区的城市化程度,对城市规划和资源管理也很重要。除此之外,不透水面的大小、分布范围、位置等知识对环境科学中涉及全球环境变化和人类环境相互作用的一系列问题和主题具有重要意义。因此,准确获得城市地区的不透水面信息,对于城市规划、生态评价以及区域可持续发展有重大意义。近年来,由于遥感技术的飞速发展,可以获得大量的、多源的城市地区影像,因此,遥感影像逐渐成为不透水面研究的重要数据来源。遥感影像可以空间分辨率分为低分、中分和高分影像三类。每一类数据都在不透水面的研究中发挥了极其重要的作用。其中,Landsat系列数据由于光谱波段丰富、覆盖范围广、数据完全免费的优点被广泛使用于城市不透水面的提取研究中。因此,本文以Landsat-5 TM数据为数据源,以美国Indianapolis地区作为研究对象,利用遥感技术提取不透水面信息。本文的主要工作如下:1)以Landsat-5 TM影像为数据源,深入分析传统的混合像元分解的建立端元模型的方法,以原始光谱波段为基础,以最小噪声分离变换（MNF）特征空间作为描述分量,确定端元模型,然后采用全限制的线性光谱混合分解模型（LSMA）进行混合像元分解,进而得到研究区的不透水面丰度图。2)通过分析研究区城市的典型地物,引入特征提取的思想,不再以原始光谱波段为数据源,而是以特征波段作为数据源进行光谱混合分析（SMA）。该算法结合生物物理量指数BCI,归一化差异水体指数NDWI以及土壤调节植被指数SAVI,确定端元种类,建立端元模型,最后采用全限制的线性光谱混合分解模型（LSMA）计算得到研究区不透水面丰度。3)全面分析比较两种方法得到的不透水面丰度的效果。实验表明,基于BCI-SAVI-NDWI的特征空间最后得到的丰度结果要大大优于传统的基于原始波段的不透水面丰度结果,降低了光谱相似地物的干扰,也较好的解决了中心城区阴影覆盖问题。