融合GF-2与开放地图数据的城市绿地精细化分类研究

城市绿地是城市生态效益的重要载体,高精度的绿地目标检测与属性分类为优化城市生态空间结构、维护城市生态平衡以及建设“碳中和”城市提供基础数据支撑。通过改进经典U-Net算法,进行GF-2多光谱遥感影像图像分类;同时,基于景观生态学理论,采用POI和OSM为代表的开放地图数据,对绿地斑块进行多维度精细化分类;进一步选择深圳市福田区与罗湖区交界处的矩形区域为样本进行验证。结果表明：所提出的ASPP+SFAM融合U-Net网络模型与U-Net和UNet3+模型相比,所识别的城市绿地边界和真实城市绿地边界更吻合。所提出的模型的总体分类精度为90.87%,比U-Net和U-Net3+模型分别提高了11.13%和7.39%。同时,针对遥感影像纹理特征无法直接进行小区域城市绿地社会属性分类的问题,利用POI数据包含的属性信息、城市绿地与OSM道路网的拓扑关系以及景观形态指数,最终实现功能分类、类型特征、服务范围和形态特征4个维度的城市绿地的精细化分类。