【Landscape and Urban Planning】一种用于城-边-乡识别的新型全分辨率卷积神经网络——以城市群区域为例

主要观点总结

本文介绍了一种新型的全分辨率卷积神经网络（FR-Net）用于识别城市边缘农村地区，以城市群区域为例。通过对京津冀（BTH）城市群区域的研究，分析了城市边缘农村地区的时空演变。结果表明，近二十年来，城乡边缘随城市向外扩展，两者均逐渐增加，呈倒U型增长速度。开发的FR-Net模型具有高的准确性和鲁棒性，可应用于多尺度城市化地区。

关键观点总结

关键观点1: 研究背景

城市化过程伴随密集的景观模式转变和多元化的社会经济变化，需要快速、准确和通用的城乡分类模型来识别城市、城乡边缘和农村地区的动态空间模式。

关键观点2: 研究方法

使用野外调查和航空摄影构建大规模训练数据集，采用全分辨率卷积神经网络（FR-Net）识别城市边缘农村地区。以京津冀（BTH）城市群区域为案例进行研究。

关键观点3: 研究结果

FR-Net模型在测试中获得高准确性。2000年至2020年，BTH地区城市、城乡边缘区面积增加，农村地区面积减少。城市扩张速度先加快后放缓，东部沿海地区和中部发达地区扩张较快。

关键观点4: 研究结论

准确识别城-边-乡对理解城市化进程、促进区域协调发展和可持续规划具有重要意义。FR-Net模型可有效地识别城市群区域中的城-边-农村地区。BTH地区城乡空间格局发生显著变化，城市扩张速度先加快后减速，地理位置、社会政策和经济发展水平影响城乡空间格局和具体变化。

文章预览

【Landscape and Urban Planning】 一种用于城-边-乡识别的新型全分辨率卷积神经网络——以城市群区域为例 01 摘要     监测城市化过程很重要，因为它们通常伴随着密集的景观模式转变和多元化的社会经济变化。为了有效地监测城市扩张并支持区域规划，必须开发一个快速、准确和通用的城乡分类模型，特别是识别城市、城乡边缘和农村地区的动态空间模式。尽管深度学习可以有效地检测土地覆盖变化，但由于缺乏高质量的训练数据集，其在城乡识别中的应用很少受到关注。在这项研究中，我们开发了一种新的可转移全分辨率卷积神经网络 （FR-Net） 来识别城市边缘农村地区。使用野外调查和航空摄影构建了一个大规模训练数据集，并由多个典型的社会自然指标堆叠了一个数据立方体。我们以中国京津冀 （BTH） 城市群区域为案例研究，确定了 2000 年 ………………………………