随着我国城市的快速发展，城市人口的快速膨胀导致城市规模不断向周边扩展，破坏生态环境。为了治理城市化所带来的环境问题，发达国家于六、七十年代已城市航空遥感调查，为旧城改造，新城建设提供科学依据，收到良好效果。我国也先后在天津、北京、广州、南京等城市开展过这类工作。但航空遥感费用昂贵，不易全面推广应用，更难于实现动态监测。随着遥感卫星成功升空后，出现大批不同时相卫星影像。同时由于遥感技术的不断发展，利用遥感影像能快速有效的进行城市绿地变化监测。从而为城市规划与建设，保护生态环境做出贡献。

文献[1,2,3,4,5]系统全面的介绍了遥感技术的最新成果，以及遥感图像处理解译等的基本内容。

靳文戟,刘政凯[9]提出一种由多层神经网络与无监督分类相结合的复合分类方法。第一步用多层网络对几个大类进行有监督分类，第二步将网络输出作为无监督分类的输入，对遥感图像进行细分，使得可识别的类别数从原来的10类提高到30类。对SPOT遥感图像识别的结果表明，该算法能适应多类别识别任务的要求。

戴昌达，姜小光，唐伶俐[7]认为任何对地观测系统获得的原始图像数据实质上都是地球表面电磁波谱特征的综合反映。经地面站系统处理得到的常规图像产品仍存在大气、地形等多种随机因素导致的几何畸变与辐射失真,并且多种地物目标信息混杂,甚至相互迭掩,彼此抑制。

甘淑,袁希平,何大明[8]选取滇西北香格里拉县的大中甸乡作为试验区，基于GPS定位调查对试验区典型覆盖地物的遥感多光谱信息进行测定与分析理解，集成GPS功能进行地形模型的变量处理，利用ERDAS IMA GINE遥感专家分类系统模块，探索对试验区主要植被类型进行智能提取的知识库设计与分类组织实施，初步探索结果表明，相对于仅仅基于遥感光谱信息的传统分类方法，由于专家系统技术可以组织多变量参与分类信息提取，并通过专家综合分析进行灵活多变的规则知识库设计，还可根据区域特征与环境资源管理需要对专家分类过程实行反复调试的功能，因此，专家系统技术在自然环境复杂多样的云南山区植被信息提取中具有较为突出的先进性和实用性，对于实验结果，可通过适当的规则修改调整，将有关基础方法应用推广到其他广大山区。

李德仁[6]分析了利用影像进行变化检测的紧迫要求和存在的困难,接着对变化检测的方法进行分类,提出将影像配准与变化检测整体同步解求的思想和在此基础上进行三维变化检测的可能性,并在文中概要介绍和比较了各种变化检测的7种方法,最后展望了下一步应继续研究的方向。

赵春霞,钱乐祥[10]提出遥感影像的分类方法按照是否有先验类别可以分为监督分类和非监督分类,这两种分类法有着本质的区别但也存在一定的联系.从分类原理、分类过程、分类方法等不同角度分析了这两种方法的区别与联系,并展望了遥感影像分类的发展趋势与发展前景。

郑光, 田庆久, 李明诗[13]利用1988年和2002年的南京市域范围的ETM /TM影像,通过分别计算亮度指数和垂直植被指数,建立"亮度-垂直植被指数"(BI-PVI)平面,通过计算"TM3-TM4"平面内的点到"非植被线"的距离,求得亮度-植被指数向量,进而得出变化向量获取城市绿地的变化。

陈志强, 陈健飞[11]以福州和台北的ASTER和TM遥感影像为数据源,提取两市中心城区绿地信息并计算景观生态指标。对比分析结果表明:1988~2004年期间,两市中心城区面积增加,绿地面积及其所占比例减少,但福州城镇扩张速度和绿地面积所占比例下降幅度远大于台北;两市绿地斑块形状趋向简化,连通性变小,聚集程度降低;与2004年福州相比,2003年台北中心城区绿地的形状更规则,连通性更强,聚集程度较高。

何静[14]在收集、总结国内外同类研究成果的基础上,以正在高速发展的扬州市城区为例,利用不同时相的TM数据、CBERS-02的CCD数据和中国资源卫星二号星的全色数据,选用合适的方法对城市主要地物信息进行自动(半自动)提取,以对扬州市城区绿地系统的变化进行动态监测及分析。