Independientemente de la escala regional o global, la definición del área urbanizada es una base importante para el monitoreo y la gestión del desarrollo urbano, y una condición importante para el estudio de las políticas sociales, la economía, la cultura y el medio ambiente. Gracias al desarrollo de la ciencia y la tecnología, la expansión urbana está creciendo rápidamente. El método de extraer áreas urbanizadas de manera rápida y precisa se ha convertido en el foco de la investigación. En la década de los setenta, con el comienzo del Programa de satélites meteorológicos de defensa (Defense Meteorological Satellite Program, DMSP), naciendo las imágenes de luces nocturnas que proporcionan un nuevo método para la extracción de áreas urbanizadas. Sin embargo, debido a los límites de la resolución espacial y el rango espectral, es cierto que existen defectos en la extracción de áreas urbanizadas basada en las imágenes de luces nocturnas de OMSP-OLS. En los últimos años, con el desarrollo de la tecnología de teledetección, surgieron datos de teledetección con una resolución más alta, lo que proporciona una fuente de datos efectiva y aplicable para el monitoreo de la planificación urbana.Se supone que las imágenes de luces nocturnas con resolución más alta tengan una mayor precisión que las viejas en la extracción de áreas urbanizadas. Este trabajo ha dedicado las imágenes de luces nocturnas (NPP-VIIRS y Luojia1-01) y las imágenes de áreas urbanizadas (FROM-GLC 2017) a construir un modelo de regresión logística para evaluar y comparar la precisión de las dos imágenes de luces nocturnas en la extracción de áreas urbanizadas. Y espero explorar las ventajas de las imágenes de luces nocturnas del satélite de nueva generación Luojia1-01 en los estudios de la escala menor. En primer lugar, se aprenden los conocimientos de imagen de luces nocturnas para resumir y determinar los métodos necesarios, incluidos los métodos de procesamiento de datos, de extracción de áreas urbanizadas, de evaluación y etc. En segundo lugar, se procesan las imágenes y los datos en Arcgis para obtener los valores de cada píxel como variables, y realizaré un modelo de regresión logística de los datos originales y logarítmicos en SPSS. Además, Se calcula la tabla cruzada de los 4 resultados con el valor de urbanización para obtener la probabilidad y Kappa. Por último, se compara y analiza la probabilidad y Kappa, y los umbrales obtenidos a Arcgis para realizar la re-extracción de áreas urbanizadas. Independentment de l'escala regional o global, la definició de l'àrea urbanitzada és una base important per al monitoratge i la gestió de el desenvolupament urbà, i una condició important per a l'estudi de les polítiques socials, l'economia, la cultura i el medi ambient. Gràcies a el desenvolupament de la ciència i la tecnologia, l'expansió urbana està creixent ràpidament. El mètode d'extreure àrees urbanitzades de manera ràpida i precisa s'ha convertit en el focus de la investigació. A la dècada dels setanta, amb el començament de el Programa de satèl·lits meteorològics de defensa (Defense Meteorological Satellite Program, DMSP), naixent les imatges de llums nocturnes que proporcionen un nou mètode per a l'extracció d'àrees urbanitzades. No obstant això, a causa dels límits de la resolució espacial i el rang espectral, és cert que hi ha defectes en l'extracció d'àrees urbanitzades basada en les imatges de llums nocturnes de OMSP-OLS. En els últims anys, amb el desenvolupament de la tecnologia de teledetecció, van sorgir dades de teledetecció amb una resolució més gran, el que proporciona una font de dades efectiva i aplicable per al monitoratge de la planificació urbana.Se suposa que les imatges de llums nocturnes amb resolució més gran tinguin una major precisió que les velles en l'extracció d'àrees urbanitzades. Aquest treball ha dedicat les imatges de llums nocturnes (NPP-VIIRS i Luojia1-01) i les imatges d'àrees urbanitzades (FROM-GLC 2017) a construir un model de regressió logística per avaluar i comparar la precisió de les dues imatges de llums nocturnes en l'extracció d'àrees urbanitzades. I espero explorar els avantatges de les imatges de llums nocturnes de satèl·lit de nova generació Luojia1-01 en els estudis de l'escala menor. En primer lloc, s'aprenen els coneixements d'imatge de llums nocturnes per resumir i determinar els mètodes necessaris, inclosos els mètodes de processament de dades, d'extracció d'àrees urbanitzades, d'avaluació i etc. En segon lloc, es processen les imatges i les dades en Arcgis per obtenir els valors de cada píxel com a variables, i realitzaré un model de regressió logística de les dades originals i logarítmics en SPSS. A més, Es calcula la taula creuada dels 4 resultats amb el valor d'urbanització per obtenir la probabilitat i Kappa. Finalment, es compara i analitza la probabilitat i Kappa, i els llindars obtinguts a Arcgis per realitzar la re-extracció d'àrees urbanitzades. The definition of urbanized areas, both regionally and globally, is an important basis for urban development monitoring and management, as well as an important condition for studying social policies, economics, culture and the environment. Thanks to the development of science and technology, urban expansion is developing rapidly. The method of extracting urbanized areas quickly and accurately has become the focus of research. In the 1970s, with the beginning of the Defense Meteorological Satellite Program (DMSP), the images of night lights that provide a new method for the extraction of urbanized areas were born. However, due to the limits of spatial resolution and spectral range, it’s true that there are defects in urbanized area extraction based on OMSP-OLS nightlight images. In recent years, with the development of remote sensing technology, remote sensing data with a higher resolution emerged, providing an effective and applicable data source for urban planning monitoring.I suppose that the images of night lights with a higher resolution have greater precision than the old ones in the extraction of urbanized areas. This work has dedicated the images of night lights (NPP-VIIRS and Luojia1-01) and the images of urbanized areas (FROM-GLC 2017) to construct a logistic regression model to evaluate and compare the accuracy of the two images of night lights in the extraction of urbanized areas. And I hope to explore the advantages of the night light images of the new generation satellite Luojia1-01 in the smaller scale studies. First, I will learn the knowledge of night light imaging to summarize and determine the necessary methods, including methods of data processing, urbanized area extraction, evaluation and etc. Second, I will process the images and data in Arcgis to obtain the values of each pixel as variables, and I will make a logistic regression model of the original and logarithmic data in SPSS. In addition, I will calculate the cross table of the 4 results with the urbanization value to obtain the probability and Kappa. Finally, I will compare and analyze the probability and Kappa, and pass the thresholds obtained to Arcgis to perform the re-extraction of urbanized areas.