Al estudiar la ley de desarrollo de la urbanización, se pueden evitar de manera efectiva los problemas de expansión desordenada y desperdicio de recursos en las áreas urbanas construidas, lo cual es crucial para el desarrollo sostenible a largo plazo de las ciudades. Este estudio propone un método de extracción de áreas urbanas construidas de alta precisión para ciudades de nivel de condado y pueblos pequeños y medianos en regiones de nivel de condado. Nuestro proceso se basa en el Sistema de Satélites Meteorológicos de Defensa/Sistema de Escaneo Operacional (DMSP/OLS) y el Conjunto de Radiómetros de Imágenes Infrarrojas Visibles de la NASA/NOAA (VIIRS), que desarrolla series de datos de luz nocturna coordinados a largo plazo. Luego combinamos esto con el Índice de Vegetación Normalizado (NDVI) para calcular el Índice Urbano de Luz Nocturna Ajustado por Vegetación (VANUI). Combinamos datos de uso del suelo y una máquina de soporte vectorial (SVM) para el aprendizaje de clasificación semisupervisada para proponer un método de extracción de áreas urbanas construidas de alta precisión para ciudades de nivel de condado. Logramos los siguientes resultados: (1) ajustamos polinomios binarios a los conjuntos de datos de NTL de DMSP/OLS y VIIRS basándonos en la correspondencia de los valores medios para construir una serie temporal consistente de datos de NTL. (2) Nuestro método mejora efectivamente la precisión de la extracción de áreas urbanas construidas, especialmente para ciudades de nivel de condado, con una precisión general del 91.84% y un coeficiente Kappa de 0.83. (3) Nuestro método puede realizar una extracción de áreas urbanas construidas a largo plazo y, al estudiar los cambios espaciales y temporales en las áreas urbanas construidas, puede proporcionar información valiosa para el desarrollo urbano sostenible y la planificación urbana.