城市不透水面是研究城市生态环境问题和变化发展的重要指标,其景观格局分析是衡量城市化进程的有效手段。因此,城市不透水面分布提取及其景观格局评估具有重要的实际意义。遥感影像由于具有快速、可重复、大范围观测的优点,已经成为城市不透水面提取的主要数据来源。传统全球和区域尺度下城市不透水面提取多采用中低分辨率遥感影像,随着遥感技术的发展,高分辨遥感影像为精细尺度城市局部不透水面分布估计提供了可能。然而,高分辨遥感影像中常存在大量的阴影区域,阴影的遮挡使得后续城市精细不透水面提取及其景观格局分析成为一项具有挑战性的科学工作。为此,本文从高分辨遥感影像阴影提取出发,围绕高分辨率遥感影像城市精细不透水面提取、阴影覆盖对不透水面景观格局分析的影响评估两大核心内容进行深入的探讨,本文的主要研究工作及结论如下：1)面向对象高分辨率遥感影像阴影检测算法及其参数作用评估和优化高分辨遥感影像中存在大量阴影,严重影响后续影像解译工作。高分辨遥感影像具有地物细节清晰和信息丰富等特点,面向对象的阴影提取方法是十分有效的解译手段,其分割参数会直接影响最终提取结果的精度。因此,本文提出一种融合多阴影特征的面向对象高分辨遥感影像阴影检测算法,即首先采用多尺度分割方法获取阴影对象,再以对象为单位利用D-S (Dempster-Shafer, D-S)证据理论融合多种阴影特征进行阴影提取。另一方面,本文采用OAT (One-at-a-Time, OAT)分析及正交设计的思想对该算法中单一分割单参数作用及灵敏度、分割参数对间交互作用进行评估,最终获取顾及参数交互作用的最优阴影提取参数组合。实验表明,该算法是一种有效的针对高分辨遥感影像阴影提取的算法,且分割参数优化过程中参数之间的交互作用对最终阴影提取结果的影响是不应忽略的。2)基于多时相多源高分辨率遥感数据的城市不透水面提取融合高分辨遥感影像和LiDAR (Light Detection and Ranging)遥感数据是解决高分辨遥感影像阴影覆盖问题、实现精细尺度上城市不透水面提取的有效方法。然而,由于LiDAR数据成本高、数据处理复杂,其获取时间很难恰好与高分辨遥感影像一致。为此,融合多时相高分辨遥感影像及LiDAR遥感数据进行不透水面提取时需要解决两种数据源之间的观测差异问题,如实际地物变化问题、异源遥感数据高度地物匹配误差问题、阴影下地物提取问题、LiDAR数据缺失问题。综上,本文为实现高精度的精细尺度城市不透水面提取,提出了一种融合多源多时相的高分辨遥感数据不透水面提取策略。具体步骤为：首先采用多元变化检测方法(Multivariate Alteration Detection, MAD)对多源数据的观测差异进行提取,然后考虑独立分割所得到的对象空间信息,实现多源高分辨率遥感数据分类结果的信息融合,最终获取高精度的不透水面提取结果。实验证明本方法可以克服多源多时相高分辨率遥感数据的观测差异问题,且获取不同时相的高精度城市不透水面提取结果。3)高分辨率城市遥感影像中阴影对不透水面景观格局分析的影响评估城市不透水面景观格局可以有效展现城市化的状态,景观指数是景观格局分析的主要手段。基于高分辨遥感影像可以提供精细尺度的城市不透水面分布数据。但是,现有研究中一般忽略了高分辨遥感影像中阴影覆盖对城市不透水面景观格局的影响。本文提出—种阴影对景观格局影响评估策略,通过统计分析阴影面积和阴影下地物恢复前后城市不透水面景观指数变化值之间的相关性,证实了阴影覆盖对景观格局分析会造成显著影响。