一种基于多源地理空间数据的从粗到细城市土地利用制图方法
计算机视觉与模式识别
2022-12-06 v1
摘要
及时准确的土地利用制图是一个长期存在的问题，对有效的国土空间规划与管理至关重要。由于复杂且混合的用途，尤其是高密度城市，直接从广泛使用的遥感图像（RSI）进行精确土地利用制图具有挑战性。为解决该问题，本文提出一种基于机器学习、融合多源地理空间数据（包括RSI、兴趣点（POI）和关注区域（AOI）数据）的从粗到细地块级城市土地利用制图方法。具体而言，我们首先基于道路网络生成的地块将城市划分为建成区与非建成区。随后，对不同区域中的地块采用不同分类策略，最终将分类结果合并为一体化土地利用图。结果表明，所提方法显著优于混合建成与非建成区的基线方法，一级与二级分类精度分别提升25%与30%。此外，我们考察了极少被探索的AOI数据，其可进一步提升一级与二级分类精度13%与14%。这些结果证明了所提方法的有效性，也表明了AOI对土地利用制图的效用，对进一步研究具有价值。
引用
@article{arxiv.2208.08824,
title = {A Coarse-to-Fine Approach for Urban Land Use Mapping Based on Multisource Geospatial Data},
author = {Qiaohua Zhou and Rui Cao},
journal= {arXiv preprint arXiv:2208.08824},
year = {2022}
}
备注
Presented at the 29th International Conference on Geoinformatics