当前我国城镇存量建设用地的内涵界定和类型划分主要基于行政管理的角度,而非从城镇土地的实际利用状态出发,导致大量的隐性闲置和部分闲置土地并没有计入城镇存量建设用地。我国学者在城镇存量建设用地的识别与信息获取技术和方法方面,尚缺少深入研究；西方学者将GIS技术运用于存量建设用地的研究相对较多,但尚未有将面向对象的遥感分析方法、神经网络、模糊理论等数据挖掘方法与GIS空间分析方法相结合,用于城镇存量建设用地的研究。鉴于此,本文在界定城镇存量建设用地内涵的基础上,基于数据挖掘方法,借助遥感影像分析技术、地理信息系统技术、实地踏勘和专业知识等手段,利用高分辨率遥感影像、地籍数据库等数据源,对城镇存量建设用地进行识别研究。本文主要从以下三个方面展开：(1)对国内外城镇存量建设用地研究、数据挖掘在土地科学及相关领域中的应用研究、面向对象方法在土地科学及相关领域中的应用研究,进行了系统梳理。(2)从城市建设用地利用的实际状态出发,以宗地为基本单元,对我国城镇存量建设用地的内涵进行重新界定,并将城镇存量建设用地分为空地、非空地中的部分利用土地与未充分利用土地三类,分别建立识别标准。(3)选取浙江省绍兴市袍江新区斗门镇作为研究区,根据遥感数据、地籍数据的特点,参考识别标准,研究了基于图像分割的面向对象方法,以及决策树、支持向量机、模糊理论、BP神经网络等数据挖掘方法,在城镇存量建设用地识别中的应用。研究结果表明：1)从城市建设用地利用的实际状态出发,以宗地为基本单元,界定城镇存量建设用地的内涵并分类,既考虑了城镇存量建设用地的表观状态和地上附着物功能价值的体现程度,又体现了城镇存量建设用地的价值内涵及其信息的现势性。2)在基于面向对象的准空地识别中,充分利用对象的空间特征、光谱特征、纹理特征,分别运用支持向量机分类模型和基于规则的模糊分类模型进行准空地识别,克服了“椒盐效应”,提高了影像的分类精度。其中,支持向量机分类模型的总体分类精度和Kappa系数值分别为87.76%和0.86。基于规则的模糊分类模型的总体分类精度和Kappa系数值,高于支持向量机分类模型的总体分类精度和Kappa系数值,分别为91.49%和0.90。3)在基于空间分析的空地和部分利用土地识别中,引入宗地空闲率概念,运用以叠置分析为主的空间分析方法,对试验区的空地和部分利用土地进行识别。从识别结果来看,空地、部分利用土地的数量和面积基本符合研究区空地和部分利用土地情况。4)在基于神经网络的未充分利用土地识别中,BP神经网络模型学习样本拟合误差9.7×10-6,测试样本分类精度和Kappa系数分别达到了100%和1。运用该模型对预测数据进行识别应用时,识别结果与影像或实地调研结果完全一致,准确率达到了100%。研究结果显示,BP神经网络模型克服了综合评价法和特尔菲法中指标权重的确定主观性较大的缺陷,可以较客观地识别城镇存量建设用地中的未充分利用土地和完全开发用地,是一种相对客观的方法,识别结果符合研究区未充分利用土地和完全开发用地情况。