准确及时的全球不透水面制图是支持全球环境和社会经济研究的基础。大多数可用的全球尺度级不透水面产品的空间分辨率限制在30米。而利用高分辨率光学和合成孔径雷达(SAR)数据融合的方法来提取全球不透水面尚未得到广泛探索。本文利用2015年多时相升降轨Sentinel-1 A SAR数据和2016年5月前的多时相Sentinel-2 MSI(多光谱仪器,1C级)光学数据,结合散射特征、纹理特征和物候特征进行了全球10米分辨率的不透水面提取。主要内容如下:(1)本文采用升/降轨SAR后向散射系数时间序列的年平均值和标准差复合的逻辑运算识别出潜在的不透水面,然后利用光学图像生成年度归一化差异植被指数(NDVI)最大值和修正的归一化差异水指数(MNDWI)平均值进行阈值分割来精细提取不透水面。DEM数据的坡度提取用于掩膜SAR数据中山体裸岩褶皱等高散射体像素。以全球29个超大城市为测试区并采集各城市样本,估算参数经验阈值来提取目标城市的不透水面。从高分辨率Google Earth历史图像中随机选择验证点来验证算法稳健性和准确性。此外,随机选择了 120个大小为900米×900米的区块,用于比较本研究产品准确性与全球人类居民点图层(GHSL,2014),全球土地分类产品(GlobeLand30,2010)和全球城市产品(Urban,2015)。结果表明,总体准确率平均达到93.07%,kappa系数达到0.863。本文方法证明了将光学和SAR数据融合用于不透水面提取的有效性,特别是对于光学数据无法区分和不透水面光谱特征相似的土地覆盖类型,为大面积提取提供了可行性。(2)本文在超大城市不透水面提取方法的基础上优化了阈值选取方式,解决了因大尺度提取存在地物分布情况复杂,逐一选择经验阈值的方式很难满足快速生产需求的问题。以中国为试验区进行不透水面提取并选择在Google Earth Engine(GEE)平台上执行,以省为生产单位,采用逐单位按地貌和生态分层设置阈值的方法,最后采用窗口(3×3)的众数滤波器去除因SAR影像椒盐噪声产生的碎斑误差。按上述验证方式随机选择了224,000个验证点和735个区块。结果表明,中国不透水面的平均总体准确率为88.03%,生产者准确率为94.50%,用户准确率为82.22%,为全球不透水面的提取提供了技术支持。(3)本研究对全球进行生态层划分并建立各生态层的“质心点”作为该层的阈值参考,设计GEE平台阈值优选和不透水面提取的程序,以经纬度10°×10°的格网作为全球产品生产单位,逐单位按阈值选取原则提取各生态层不透水面并输出结果。本文对最后的结果进行质量检核和评估。结果表明,全球不透水面的平均总体准确率87.91%,生产者准确率为82.83%,用户准确率为95.03%,满足了高分辨率全球不透水面的生产需求,为相关研究人员提供了产品支持。