城市，是一个跟我们关系十分密切的名词，据联合国人居署预测：到2050 年，世界上将有三分之二的、大约60亿的人口居住在城市里。城市与我们息息相关，且不断经历着迅速变化，鉴于此，我们需要及时监测和分析城市的地表信息及其发展变化状况。 高空间分辨率的QuickBird影像和激光雷达数据，在城市地表信息提取方面各具优势。本研究结合使用这两种数据解决城市地表信息提取的三个问题：城市地形恢复、土地覆被信息提取和城市林冠相关参数的获取，研究区是马来西亚首都吉隆坡市城市中心区(KualaLumpur City Centre，KLCC)。 城市范围内由于建筑物、构筑物等遮盖物的存在，导致利用常规的测量方法直接获取城市地形的工作比较难以开展，本研究选择空间分辨率较高的机载激光雷达数据，发展了HMCFA (Hierarchical Moving Curved Fitting Algorithm)多层(级)移动曲面拟合滤波算法，进行KLCC的地形恢复研究。该算法主要有三个模块组成：曲面拟合、高程阈值设定、地形恢复，算法的基本原理是：在一定的范围内搜索高程最低点，利用最小二乘法求取拟合曲面；根据前面搜索范围内各点的高差分布情况，设置自适应阈值，将所考查点与该拟合曲面进行比较，高差大于阈值的点判断为非地面点，予以滤除，否则就是地面点；非地面点的高程则通过反距离加权法或者最近距离法插值得到，这样就可以得到研究区内的数字地面模型(Digital Terrain Model，DTM)。为了验证该算法的通用性，我们选择了三种有代表性的区域进行试验：建筑物密集区、植被密集区和混合试验区，算法的有效性是通过绝对高程误差分析的方法进行验证的。精度验证结果表明，该滤波算法获得了理想的地形恢复结果，滤波误差在0.5m-1.2m之间，能够满足实际应用的需要。 由于城市地物的内部复杂性，基于单一的数据源、使用常规的分类方法很难获得理想的土地覆被信息提取结果。本研究结合使用高空间分辨率QuickBird影像和激光雷达数据，利用面向对象的分级分类方法得到了理想的分类结果，共有 6 种地物被提取出来：水体、树木、草地、建筑物、道路、空地，阴影对象按照阴影内地物光谱信息差异进行了细分类。具体地物信息的提取顺序是这样的：先通过NDWI运算结果能够很好的将黑体(水体和阴影)提取出来，将其余的地物通过NDVI值分类为植被与非植被后，再完成进一步的细分类。水体和阴影这两种地物通过本文构建的SSI指标，利用面向对象的方法进行提取。植被信息则通过激光雷达数据中的高程差别，细分为树木和草地。建筑物信息的提取是基于激光雷达数据的，根据高程差别进一步分为高层建筑和低层建筑。道路的提取则是通过分割对象的形状指数(长/宽和对称性)来完成。精度评价结果表明：利用该方法获得了理想的信息提取结果，同常规的面向对象的分类方法相比较，利用本文所提出的分类方法对建筑物提取精度提高最为明显，生产精度从60.27％增长到93.91％。 城市植被是城市生态系统的重要组成部分，对于改善城市环境和满足居民生活有着不可替代的作用，本研究对城市中林冠高度、树木冠幅大小及树冠的位置进行了估算，为城市生态、数字城市的相关研究提供基础数据。林冠相关信息的提取是基于激光雷达数据的，在提取过程中构建了CIEM树冠信息提取模型，具体做法就是：将插值好的数字表面进行表面平滑，提取树冠边缘信息；基于原始数据提取局部最低点和局部最高点，局部最高点是树顶的候选点；影像分割，提取树高、树冠的冠幅大小及树冠位置信息。精度验证是结合野外调查数据和从激光雷达数据上量测取得林冠相关参数对比进行的，精度评价结果表明利用该算法提取的林冠相关参数比较准确，误差在0.5m-1.5m范围内。 本文的最后对激光雷达数据在我国更广阔的应用前景进行了展望，并对面向对象的影像分割进一步完善之处、结合使用高空间分辨率遥感影像和激光雷达数据提取城市区更精确的地表信息进行了论述。