城市土地覆盖结构对城市生态服务功能和人居环境质量产生重要的影响。采用2000~2015年Landsat TM并协同高分辨率遥感影像，利用线性光谱混合模型获取内蒙古12个地级市每5 a土地覆盖结构信息，监测并分析城市扩张时空动态、土地覆盖结构及扩张类型差异特征。研究结果表明：2000~2015年，内蒙古12个地级市土地覆盖结构总体变化较快，城市面积扩张278.93km²。相比较而言，2010~2015年城市面积扩张比例是前两个时间段（2000~2005年和2005~2010年）的1.61倍与1.91倍。2010年以来变化最为剧烈，城市不透水地表扩张尤为明显，城市植被呈现不同程度增加态势。城市扩张经历了3个阶段，即城市内部填充—城市内部填充—城市外延扩张型为主的变化过程，其中包头市和呼伦贝尔属于内部填充型城市。内蒙古地级市土地覆盖结构变化及差异特征与人口增长和社会经济发展有密切的关系。

选取2000~2015年遥感反演的地表反照率数据及2000和2015年两期土地利用数据，采用经典统计学方法分析不同土地利用类型分光辐射地表反照率的特征及其年际变化趋势。为了解土地利用类型的反照率特征、认知区域气候或陆面模式中能量模块的相关分光辐射变量的物理过程提供科学依据。结果表明：不同的土地利用类型具有差异明显的地表反照率特征，同种土地利用类型地表反照率的差异甚至超过了不同类别土地利用类型之间的差异，说明了地表反照率巨大的空间异质性；大部分土地利用类型在短波总辐射及分光辐射地表反照率满足：近红外>短波>可见光，说明短波地表反照率的上限值更大程度上取决于近红外波段的地表反照率；研究时段内，各土地利用类型在3个波段地表反照率分别呈现出了不同的变化趋势，但是大部分土地利用类型分光辐射地表反照率的年际变化速率较小，基本保持稳定。

 

土地覆盖遥感分类是土地利用变化监测及其空间格局分析的重要技术手段。为了进一步提高土地覆盖遥感分类精度，提出一种基于迭代CART算法分层分类的新技术体系。首先，根据类别光谱可分性分析，确定分层分类方法的类别提取顺序依次为水体、植被、裸地和建设用地。然后，在此分类顺序下，分别确定各类别的图像分割参数和分类特征集。最后，在对象尺度上，将CART算法迭代引入分层分类过程，不断选取训练样本进行CART算法的迭代分类依次提取前3个类别，将剩余部分直接划分为建设用地。实验结果证明：该方法可以明显减轻裸地和建设用地的混分现象，获得较高精度的土地覆盖分类结果，总体精度85.76%，Kappa系数0.72。相比于SVM、CART两种单次分类方法，总体精度和Kappa系数分别提升了10.67%~16.5%和0.15~0.21。同时，该方法能够灵活调整某个类别的分类精度并具有很强的扩展性，可以为其他涉及图像分类的遥感应用领域提供方法参考。

 

随着高分辨率卫星的广泛应用，基于对象的影像分析方法逐渐成为提取土地覆被信息的主要方法。分割优化是基于对象的影像分析方法中的一个基本步骤。不同土地覆被类型通常具有不同的优化分割参数，如何充分利用多尺度最优分割建立分割分类层次体系，从高分辨率影像中提取各种土地覆被类型，实现高精度土地覆被制图，是面向对象影像分析方法中有待解决的一个难题。在获取不同土地覆被类别各自最优的分割参数基础上，探索了一种基于参考数据集的最小分割单元与决策树的分割分类层次体系构建方法。实验表明：该方法可以有效地降低设置分割分类层次体系时对操作者个人经验的依赖，提高分类精度，满足自动制图要求。

蒙古国自20世纪90年代政体改革以来，城镇化发展迅速，认识其区域发展特征与城镇化特点对于我国“一带一路”倡议实施及“中蒙俄经济走廊”建设具有重要意义。基于遥感影像，采用面向对象的分类方法，获取了蒙古国乌兰巴托市1990、2001、2010、2017年土地覆盖数据集，总体分类精度分别为86.00%、89.00%、91.6%、94.80%。利用转移矩阵对其土地覆盖变化信息进行了挖掘，结果表明：草地—林地、草地—建筑用地、林地—草地之间的转移占绝对优势。建筑用地增幅最大，扩张趋势显著，面积从99.87 km²增加到了216.16 km²，增幅达到了216.44%，扩张速率8.01 km²/a，属于快速扩展模式。扩张方向以中北部、东北部和西部为主。其中，中北部主要是“summer house”度假房屋建设为主，东北部以传统的家—户—院的房屋为主（蒙古包与低层建筑混搭），西部以工业用地与居民用地为主。乌兰巴托市城镇用地扩张是外部社会经济发展和国家制度政策共同作用发生的，其中，土地私有化、市场经济化与人口数量是城镇用地扩张最主要的驱动因素。