居民地又可称为人类聚居地,它是一个有人口聚居的地方或地区。居民地是人类社会生产发展的产物,现代社会的居民地,在空间、经济或政治上有着千丝万缕的联系,形成了复杂的体系。无论是在军事领域选择打击目标和保护目标的重点对象,还是监测城市发展,及时掌握居民地信息都非常重要。遥感影像有着覆盖范围广、现势性高等地形图所不具备的优势,因此利用遥感影像进行居民地的研究具有广泛的社会、经济及军事意义,一直是备受关注的一个热点。本文提出了一种利用Cart算法快速建立分类回归树,从LandSat8影像中提取居民地信息的方法。其中心思想是,以样本为基础,用数据挖掘的方式对大量特征值进行筛选,建立起分类回归树,逐次将居民地信息提取出来。这些特征值中,不仅充分利用了现有的遥感专题指数,分析它们在用于居民地信息提取中的作用,还对难以区分的裸地和居民地类型构建BOBI予以区分,并计算了不同窗口尺寸的纹理作为光谱特征的补充。本文使用的影像数据是LandSat8的OLI影像,多光谱数据空间分辨率为30米,影像获取时间为2014年7月24日。试验在黑河流域中游地区张掖、临泽附近地区展开。改革开放后,黑河流域内的城市发生了巨大的变化,大量的耕地正转变成城镇用地和农村居民用地,城市化进程逐步加快。但本区域内城镇体系发育尚处于极核式的初级阶段,中心城市突出,次级城镇非常薄弱。因此,本区域内居民地类型较全面,既有大片聚集的城镇,也有散落的农村居民点,作为居民地信息提取的试验区域具有一定的代表性。论文主要对以下几个方面进行了研究：现有的遥感影像分类指标及居民地提取方法的比较；试验区内居民地的光谱信息和纹理特征；快速选取分类特征建立回归决策树并优化的方法。本文的结论主要有：1、多种遥感专题指数组合使用,对比单一遥感专题指数进行影像分类,明显减少了分类误差,提高了遥感影像的分类精度。2、当遥感专题指数和其它特征指标较多时,运用Cart算法建立分类回归树能快速选取分类指标,极大的提高了工作效率。SPSS Clenmentine的使用,使得数据挖掘的过程更为简单。3、构建适当的特征指数,有助于得到更好的结果。本文构建的BOBI指数是在研究分析了区域内大量地物类型光谱特征的基础上提出来的,在实验中与已有的NDBI等遥感专题指数配合使用,也起到了较好的分类效果。4、样本的选择对于本研究运用的方法非常重要。由于本文所使用的是依靠对样本的研究来建立分类回归树的方法,因此样本的质量直接影响到最后分类结果的质量。5、纹理特征对于居民地信息的提取具有光谱信息不具备的作用,但要根据具体情况确定计算窗口大小。本文中不同窗口尺寸计算出的纹理以及纹理的不同分量在分类过程中具有不同的作用。