及时准确地监测不透水表面对于城市化评估和可持续发展至关重要。然而，密集的时间序列不透水面提取受到光学观测有效覆盖率低的限制，经常受到云层、降水和雪的干扰，特别是在天气条件恶劣的地区。为了克服该局限性，实现空间和时间维度的同步精细化，我们提出了一种基于多源遥感数据的密集时间序列城市不透水面自动提取方法。通过整合Sentinel-1 SAR、Sentinel-2光学图像、NPP VIIRS夜间灯和地形数据，并设计了分层迭代细化策略，利用可靠的粗糙时间尺度结果迭代改进精细时间尺度结果，实现10米分辨率的密集时间序列监测，保证了数据连续性并增强了提取效果的鲁棒性。此外，我们通过融合三种现有的土地覆盖产品引入了一种自动训练样本生成策略，在保持高样本质量的同时大幅减少了人工处理。在北京和武汉的实验表明，该方法具有优越的性能，密集时间序列的提取精度分别为97.65%和96.96%。本方法克服光学数据不连续性的影响，并支持在受气象条件影响的城市区域中进行高频、高精度的不透水面监测。

密集时间序列,不透水面,城市遥感