本研究是高分辨率遥感影像在城市绿地监测与制图中的具体应用,同时验证了高分数据在该应用中的有效性。本文以江苏省南京市为研究区,利用高分辨率QuickBird遥感影像,对传统的影像分类方法进行改进,精确地提取了城市绿地的类型和面积。研究内容主要分为三个方面：遥感影像中阴影的去除、NDVI与阈值法结合提取植被信息、以及GEMI(?)旨数的改进。遥感数据在城市植被制图中的应用已有数十年的历史。最近,随着各种诸如QuickBird的高分辨率遥感影像越来越容易获得,更高分辨率的城市土地利用制图也获得了发展。高分辨率卫星遥感影像将以它的高时效和低成本等特性更好的服务于各个规划部门。准确和细致的市区土地利用信息对许多市政活动,如城市土地管理、城市规划、城市景观类型分析、环境研究等,都有着重要的作用,因此,城市绿地信息的精确提取有着十分重要的实际意义。本文主要研究内容和结论如下：(1)遥感影像中阴影区域的检测和去除。如何解决阴影问题是数字图像处理过程的难点之一。遥感图像中阴影是由于光源发出的直射光完全或部分被阻塞产生的,其中包括高层物体的投影和该物体本身投射在地面上的阴影。阴影对遥感影像的影响一直以来就是遥感研究中的一个重要问题。由于被遮挡物体光谱信息的减少或者完全损失,对这些对象的分类和解释就面临着巨大的困难。阴影问题对城市环境的高空间分辨率遥感影像的分析尤为重要。建筑物,桥梁,高塔和树木等较高的地物都在很大程度上增强了阴影效果。遥感影像中的阴影检测和去除技术正在进一步发展。阴影检测是确定遥感影像中阴影像元的过程,而阴影的去除则是一个恢复阴影区域的光谱信息以重新获得无阴影图像的过程。(2)结合归一化植被指数(NDVI)和域值法提取城市绿地的种类和面积。首先对遥感影像进行处理,计算出影像的NDVI,并提取出NDVI值大于0.036的象元。这些象元中的大部分属于植被,但范围并没有包含所有的城市植被。为了得到所有的植被象元,我们将NDVI阂值降低至-0.2,但是在这种情况下,一些在红光与近红外波段与植被光谱特征相似的蓝色和白色金属屋顶会被错分为植被。为了纠正这种错分现象,我们将蓝色屋顶、白色屋顶和植被在QuickBird影像四个波段上的光谱特征进行了对比,发现植被在蓝光波段的像元值小于380,我们可利用这点从这三中错分地物中分离出植被。另外,杉树与水体和人造草皮操场的光谱存在相似的特征,所以在提取出的NDVI>-0.2并且蓝光波段<380的象元中,仍然存在错分现象。为了解决这个问题,我们对比了这三种地物的光谱信息。经过对比得出通过限定红光波段的值在200到300之间可以从这三种地物中识别出杉树。(3)提出一种改进的GEMI指数,提高了分类的精度。通过对遥感影像进行处理,得出影像的GEMI指数。基于GEMI指数可以较好的提取出植被,但由于植被和蓝色屋顶的GEMI旨数比较相似,存在错分现象。为了消除植被和蓝色屋顶的错分现象,我们对GEMI指数进行了改进,并加入了条件蓝光波段<380,这种新的方法称作改进的GEMI指数(MGEMI).在城市绿地信息提取中,通过MGEMI旨数的应用,蓝色屋顶带来的影响基本上得以消除。最后,本文对城市绿地监测与制图中NDV、GEMI、MGEMI三种指数的效果进行了对比和分析。