随着城市化进程的加快,城市发展面临着巨大的生态环境压力。不透水面是城市区域的重要特征,被定义为一种水不能通过它渗透到地表下层面的人工地貌特征,已成为评价城市化发展强度和区域生态环境质量的重要指标。因此,及时、精确地评估区域不透水面覆盖率对于监测城市扩张及其生态环境效应具有重要的现实意义。遥感技术由于具有效率高、覆盖面积广、成本低等优势,为不透水面制图提供了有力的数据支撑。目前,中低分辨率光学遥感影像在区域尺度不透水面提取中得到了广泛应用。然而,城市景观空间异质性高、城市地表组成复杂、不透水材料多样,加上光学影像中的混合像元问题等,使得“同谱异物,同物异谱”现象严重,导致精确的不透水面提取仍然面临挑战。研究表明,结合多源遥感影像,尤其是SAR和夜间灯光影像,可以弥补光学影像面临的一些问题,有效提高不透水面的提取精度。本文采用中分辨率Landsat-8光学影像、Sentinel-1 SAR影像以及珞珈1号01星（Luojia 1-01）夜间灯光遥感影像,分别以河南安阳和环胶州湾为研究区域,开展结合光学和SAR的亚像元不透水面提取以及结合光学和夜光遥感的大尺度不透水面提取。研究的重点是针对光学和SAR影像特征异构的特点,提出构建多核学习（MKL）模型,有效地融合异源异构特征,实现了基于多核支持向量回归（MKSVR）的亚像元城市不透水面的精确制图。本文主要的研究内容和结论如下:1、从光学和SAR各自传感器的工作机理和数据特点入手,采用不同的特征提取方法充分挖掘数据中潜在的信息,并利用随机森林（RF）进行特征优选。从光学和SAR影像中提取的特征包括:Landsat-8光谱信息以及灰度共生矩阵（GLCM）纹理特征;Sentinel-1 VH/VV后向散射强度、H-α双极化目标分解参数以及GLCM纹理特征。2、从光学和SAR影像中提取的特征具有不同的统计特性、量纲和物理意义,传统的方法简单地将特征堆叠成一个向量,很难充分利用多源影像中丰富的信息。针对这一问题,本文提出了优化的多核模型来融合光学和SAR数据的异构特征。新模型针对不同特征采用不同权重的核函数,然后采用线性加权的方式进行组合,构成多核模型,利用差分进化（DE）对参数进行优化。结果表明,新模型可以有效地融合异源异构特征。3、针对Landsat-8影像严重的混合像元问题,本文利用多核支持向量回归（MKSVR）模型进行安阳地区亚像元的不透水面丰度（ISA）制图,其中,样本区不透水面丰度参考值由高分2号影像面向对象分类结果获得。与结合光学和SAR的单核支持向量回归（SKSVR）和组合核支持向量回归（CKSVR）模型相比,本文的MKSVR模型获得了最高的不透水面提取精度,均方根误差（RMSE）和决定系数（R~2）分别为0.2031、0.8321。结果表明,结合光学和SAR并不能确保精度的提升,核函数的构造方式很重要。另外,与单独使用光学影像相比,MKSVR模型的不透水面提取结果的RMSE降低了4.30%,R~2提升了9.47%。协同使用光学和SAR数据可以有效的解决亮不透水面和裸土以及暗不透水面和阴影、水体之间的光谱混淆现象,实现了更为精确的不透水面空间分布制图。4、结合Landsat-8和Luojia 1-01影像,采用三种不同的方法进行环胶州湾区域大尺度不透水面制图。三种方法分别为简单阈值分割法、灯光指数法（HSI和MNDISI指数）和SVM监督分类法。其中,阈值法不能很好的反映城区空间结构信息,而且受Luojia数据灯光缺失和噪声的影响。HSI和MNDISI指数能更好地反映城区丰富的空间细节信息,通过结合Landsat数据,大大提高了不透水面提取精度,但是依然面临着滩涂区和不透水面的混淆问题。结合Luojia1-01、NDVI指数和地表温度（LST）数据的SVM监督分类法（INNL-SVM）在三种方法中实现了最高的不透水面提取精度,并且与单独使用Landsat的不透水面提取结果相比,全面精度（OA）和Kappa系数分别从94.57%和0.8914提升至96.04%和0.9207。INNL-SVM利用阈值法进行自动样本选择,解决了传统方法样本容量有限和选取困难的缺点,在提高不透水面提取精度的同时,也大大提高了效率。实验结果表明,Luojia1-01与传统灯光数据（VIIRS-DNB）相比,能够提供更为细致的城市空间结构信息,在大尺度不透水面提取中有着巨大的应用潜力,结合Landsat-8和Luojia1-01是区域不透水面提取的一种行之有效的手段。