第九届青年地学论坛

显示城市结构和土地利用状况的全球局部气候区（Local Climate Zone, LCZ）地图对城市热岛（Urban Heat Island, UHI）研究至关重要。近年来，基于深度学习的局部气候区分类方法因其较强的特征提取能力而取得广泛关注。然而，在复杂城市场景下如何综合利用多模态数据进行有效特征提取和多源异构特征融合，以此来综合提升局部气候区分类效果仍存在巨大挑战。针对复杂城市中场景空间模式精确识别问题，本文提出一种多源地理知识融合驱动的局部气候区分类模型，通过多模态遥感数据和地理数据构建局部气候区地理知识库，利用数据与知识双重驱动的多源地理知识表达模型对多模态数据进行特征提取和表示学习，设计多层级数据融合策略以挖掘多模态数据多层次语义特征，实现对复杂城市局部气候区场景空间模式的全面感知和精准识别，提升复杂城市局部气候区分类效果。通过在构建的中国城市时序局部气候区数据集上进行实验验证，所提方法的平均分类精度达到90%以上，在小训练样本比例下依然获得稳健的分类结果，有效挖掘了多源异构数据共性信息和互补信息，提升了局部气候区分类效果，为大范围城市局部气候区精准制图提供了有效的方法。
 

局部气候区，多模态数据，地理知识，深度学习