利用遥感技术监测城镇扩张，国内外学者做了大量的研究工作。例如：Wu等利用LandsatETM+影像结合线性光谱分离模型(LSMA)，进行不透水面提取，得到城市不透水率图，成功提取美国大都市区哥伦布市的不透水面，结果表明利用遥感影像进行不透水面的提取能得到可信的精度[4]。我国学者祝善友等以大量不同时间序列的中巴卫星影像和LandsatTM影像作为数据源，对不同遥感平台和不同时期的两幅遥感图像进行数据融合处理，提取了与城镇扩张动态变化相关的参数因子，73823

以监测泰安的城镇扩张状态[5]。但是高分遥感数据对于较小尺度的城镇扩张比较适

用，而区域尺度则难度较大。为将研究区扩展到区域尺度乃至全球尺度上，Friedl等用中等空间分辨率的MODIS影像对土地利用类型进行分类，以提取城镇扩张信息

[10]。但是MODIS影像由于粗的空间分辨率导致地物的辨析不明显，难以区城镇和非城镇地区，因此对于分类精度的要求很高，需要很多的训练样本，工作量大，且精度不高。国外学者Croft首次验证了DMSP夜间灯光数据对于提取不透水面的的可行性

[13]，继而随着稳定灯光数据的出现，利用夜间灯光数据进行城镇扩张研究日益广泛，

而DMSP数据存在的最大的问题就是阈值的确定，如何确定一个最佳阈值以提取城镇边界，继而确定城镇范围，成为广大学者探索的难题。为此，Imhoff等对于美国范围内的稳定夜间灯光图像进行了多次的试验后，为消除溢出性的灯光像元，最终确定以89%的观测频率阈值有效将灯光区域内的面积转化成城镇面积。提取精度与当年美

国统计数据相比，仅相差了5%，精度较高[14]。但此种方法忽略了各个区域间发展的差异性，并不能对所有的城镇扩张情况均适用。Henderson等对于不同发展程度的城市区别对待，依据主观经验，通过对于灯光数据设置1、20不同的灯光阈值，提取了旧金山、拉萨等一些发展水平不同的城市的边界范围，以高空间分辨率的TM影像认，论文网

所提取的城镇边界作为精度评价的参照，其结果具有相当高的精度[15]。但是，这种方法虽然考虑到了地区间的不同发展，但是对于灯光阈值的确定主观性较强，对于城镇边界的提取随着研究者的不同而不同，不具备一定的科学性。

鉴于中分遥感影像与灯光数据各自的优缺点。有相关学者提出结合这两个数据源可以更好地反映空间细节信息,有利于不透水地表的空间分布信息精确提取。Lu等提出通过DMSP和MODISNDVI结合的方法从ETM+影像中提取研究区域的人口聚居区作为参考数据,利用城市用地NDVI值低,而灯光影像DN值高的特点,建立人类聚居指数。利用1公里尺度的窗口从参考数据中选择城市区域,并根据城市样点提取已建立的人类聚居指数,由此确定最佳阈值,这种方法解决了城市内河流、湖泊及大面积

绿地被划分为城市用地的问题,在局部尺度上有效提高了分类精度[16]。故，本文拟结合这两种数据源的优势，开展区域尺度不透水提取与城镇扩展监测研究。