十八届三中全会以来,自然资源资产离任审计正在成为一种重要的管理举措,准确、及时地提取自然资源资产信息是自然资源资产离任审计工作顺利开展的重要保障。遥感影像具有覆盖范围广、费用低、现势性强等优势,以遥感影像为数据源提取审计目标信息,可以为自然资源资产离任审计提供有效的技术支撑。针对遥感影像空间分辨率与光谱分辨率存在相互制约的关系,采用单一数据源难以兼顾地物的空间信息与光谱属性,本文尝试以资源三号(ZY3)影像为基础数据,融合Landsat8与数字高程模型(Digital Elevation Model,DEM)数据,形成对自然资源目标更完整的描述,进而辅助自然资源资产信息的有效提取。采用面向对象分类方法,利用影像对象的光谱、形状与纹理等解译特征提取自然资源资产信息,能充分融合多源数据的优势,且避免了面向像素分类容易产生“椒盐噪声”、解译特征单一等问题,已经成为遥感信息提取的主要方法之一。通过影像分割获得与真实地物接近的影像对象是面向对象分类的基础,分形网络演化算法(Fractal Net Evaluation Approach,FNEA)构建的多尺度影像对象层能较好的反映地物的实际构成情况,但该算法采用单一的分割尺度,难以解决不同地物的最优分割尺度不同的问题;其次,审计人员往往缺乏遥感信息提取的专家知识,而传统信息提取方法需要通过目视判别选择训练样本,对专家解译知识依赖强,使自然资源资产信息提取效率低、自动化程度低;最后,多源数据面临解译特征维度高的挑战,降维是一个可行的解决方案,但特征选择同样需要一定的先验知识。因此,如何减少自然资源资产信息提取中的人工参与程度,解决非遥感专业的审计人员缺乏专家解译知识的问题,实现自然资源资产信息快速、有效的提取,是本文研究的重点。针对上述问题,本文研究了基于多源数据与多种分割方法的最优分割方案选择,基于多源数据的自然资源目标特征库建立,基于高维特征的分类模型构建等关键技术,在此基础之上开展了自然资源资产信息提取实验。本文的主要研究工作如下:(1)结合ZY3、Landsat8与DEM数据,采用分形网络演化算法对不同组合方式的数据进行分割;并通过光谱差异分割(Spectral Difference Segmentation,SDS)解决不同地物最优分割尺度不同的问题,改善了分割效果;基于改进的欧式距离3定量评价以上多种分割方案,获得了基于多源数据与多种分割方法的最优分割方案;(2)综合考虑自然资源审计需求与遥感影像所能反映的土地覆被信息,设计了自然资源分类系统;采用PostGIS数据库管理系统储存、管理对象级审计目标与解译特征,实现了基于多源数据的目标特征库构建;(3)基于目标特征库,利用Boosting技术集成决策树C5.0,实现了基于高维特征构建稳健的分类模型,解决特征选择需要依赖先验知识的问题;(4)利用多时相的多源数据开展了自然资源资产信息提取实验,验证了目标特征库辅助自然资源资产信息提取方法的可行性。研究表明:多源数据与多种分割方法协同,均能提高影像分割质量;基于目标特征库,利用Boosting技术集成决策树C5.0,挖掘的分类规则稳健性强;多时相的自然资源资产信息提取精度较高,目标特征库辅助的自然资源资产信息提取能在一定程度上减少人工参与程度,提高自然资源资产信息提取的效率与半自动化程度。论文的研究成果解决了非遥感专业的审计人员缺乏专家解译知识的问题,对自然资源资产信息准确、半自动化提取具有重要的实用价值,在自然资源资产离任审计中具有较好的应用前景。