利用以对象为中心的图学习方法，弥合城市土地使用变化检测中的语义鸿沟

《ISPRS JOURNAL OF PHOTOGRAMMETRY AND REMOTE SENSING》：Bridging the semantic gap in urban land use change detection with object-centric graph learning

　　摘要
从高分辨率遥感图像中检测土地利用变化的一个根本性挑战在于土地覆盖与土地利用之间的语义差距：图像通过电磁响应捕捉生物物理表面特征，但并不直接揭示社会经济功能。这种差距在城市环境中尤为明显，因为土地覆盖方法往往无法推断土地利用的语义。此外，许多深度学习方法依赖于固定粒度的图像-场景分析单元，这加剧了几何和属性的不确定性，导致边界不精确、混合用途的模糊性以及在细粒度城市土地利用变化检测中性能下降。为了解决这些挑战，我们提出了一个具有语义意识的多空间域交互网络（SMDI-Net），该网络通过建模土地覆盖对象的空间结构差异，将土地利用变化检测重新表述为一个图学习问题。通过将这些对象视为图节点，将它们的拓扑关系视为边，SMDI-Net在遥感图像与土地利用功能语义之间建立了明确的映射，同时精确地划定变化边界并在分析单元内保持语义一致性。在此基础上，SMDI-Net进一步结合了一个多空间域交互编码器来模拟不同空间尺度上的土地覆盖依赖性，一个层次结构整合模块来加强微妙结构转变的识别，以及一个判别性特征增强模块来表征空间结构变化和语义变化，以实现对变化的精细定位。在三个数据集上的实验验证了SMDI-Net优于七种最先进方法的优越性，二元变化检测的F1分数达到了93.32%，多类变化检测的F1分数达到了88.78%。这些结果表明，SMDI-Net有效缓解了几何不确定性和混合用途的模糊性，为细粒度城市土地利用监测提供了稳健的解决方案。代码可在以下链接获取：https://github.com/Imp83121/SMDI-Net。

引言
城市土地利用描述了社会如何在城市中分配和组织土地资源，以支持多样化的社会经济功能，如住宅、商业和工业活动（Reba和Seto，2020；J. Lin等人，2023；Asghar等人，2025；Gianoli，2026）。随着全球城市化的加速，城市已成为人口增长的主要场所，预计到2050年城市人口将占世界总人口的66%（联合国，2018）。这一快速扩张加剧了与土地供应不平衡、土地利用效率低下和空间组织不理想相关的挑战，给可持续城市发展带来了越来越大的压力（Zhu等人，2022；Liu等人，2026）。因此，准确检测城市土地利用变化对于可持续的空间规划和城市治理至关重要。遥感变化检测技术为及时获取土地利用信息提供了有效手段。特别是非常高分辨率（VHR）的遥感图像，其空间分辨率小于1米，能够捕捉地球表面的精细空间细节，已成为细粒度城市土地利用变化检测的关键数据来源（Cuypers等人，2023；Lv等人，2023；Jing等人，2025；Qian等人，2026）。现有的从遥感图像中检测土地变化的方法主要依赖于语义变化检测（SCD），能够提取“从-到”的变化信息，从而更全面地理解土地动态和具体的土地利用转换（Tian等人，2022；Ding等人，2024；Liu等人，2025；Wang等人，2025）。近年来，包括卷积神经网络（CNN）和Transformer在内的深度学习模型在SCD中得到了广泛应用（Ding等人，2022；Tian等人，2022）。这些模型区分了单分支、双分支和多任务架构（Tian等人，2022）。其中，多任务模型通过共享特征表示联合学习语义分类和二元变化检测（BCD），提高了语义一致性和检测准确性（Yang等人，2022；Ding等人，2024；Long等人，2024；Long等人，2025）。最近的研究通过结合CNN-Transformer混合模型来模拟跨双时相图像的时间和语义交互，使得在复杂城市环境中能够进行更精细的变化表征（H. Lin等人，2023；Long等人，2024；Lv等人，2025；Yang等人，2025），而多任务学习也被证明对于联合优化相关子任务（如变化定位和语义分类）有效（Z. Li等人，2024）。尽管有这些进展，大多数现有的SCD模型主要设计用于土地覆盖变化检测，专注于建筑物、植被和水等表面类别之间的转换，因此仍然不足以可靠地区分涉及更高级功能转换的土地利用变化。

城市土地利用SCD中的一个根本性挑战是土地覆盖与土地利用之间的“语义差距”（图1），因为土地覆盖的变化并不一定意味着土地利用的变化（Zhu等人，2017；Sui等人，2018；Lou等人，2024）。虽然遥感图像通过电磁响应捕捉生物物理属性，但它并不直接揭示土地利用的社会经济功能。因此，主要针对土地覆盖分类设计的方法无法弥合这一差距。为了解决这个问题，一些研究采用了基于场景的方法来利用高级语义信息来检测功能变化（Wu等人，2017；Zhang等人，2022；Fang等人，2023；Xie等人，2025）。然而，这些方法往往无法准确定位变化，导致输出呈现马赛克状，与实际边界不符。此外，将复杂场景视为均匀单元引入了混合用途的模糊性，并掩盖了微妙的变化，使得难以解释单个土地对象与整个场景之间的关系。

除了场景级别的视觉语义外，土地覆盖元素的空间结构信息为推断城市土地利用功能提供了一种有效且可解释的方法（Walde等人，2014）。Li等人（2016）提出了一个层次化的元素-结构-功能框架，利用土地覆盖元素的空间结构来推断城市土地利用功能。例如，Li和Stein（2020）使用图结构数据表示土地覆盖元素之间的空间拓扑关系，并采用图神经网络（GNN）提取深层结构特征，证明空间结构信息可以显著提高城市土地利用分类的准确性。受这些进展的启发，Lou等人（2024）将空间结构信息纳入基于场景的土地利用变化检测中，主要针对BCD，通过比较结构差异来进行检测。然而，包括变化边界模糊、混合土地利用的模糊性和对微妙变化的敏感性有限等关键问题尚未得到解决，这限制了在细空间尺度上检测土地利用变化的能力。

本研究旨在从双时相VHR卫星图像中检测具有细粒度空间细节的城市土地利用变化。通过建模土地覆盖元素的空间结构差异，并将任务表述为图学习问题来识别土地利用功能变化。与基于场景的图像分析方法不同，我们开发了一个多任务GNN，用于节点级别的结构特征提取，从而实现对象级别的土地利用变化检测。这种设计通过保持明确定义的变化边界来减轻几何不确定性，并通过将混合用途区域分解为更细且语义一致的对象来减少属性不确定性。为了增强对微妙结构差异的敏感性，我们进一步引入了一种基于多跳空间邻域和交互式GNN学习的结构特征提取器，将焦点从节点到节点的交互转移到以节点为中心的邻域之间的关系。跨多个空间邻域的信息整合增强了结构差异的表示，实现了变化区域的精确定位。适应性融合结构和语义信息减轻了GNN中的过度平滑现象，保持了复杂土地利用场景中节点的可区分性。本研究的主要贡献如下：
- 它提出了一种基于结构的框架，用于城市土地利用变化检测，通过明确建模双时相VHR图像中土地覆盖元素之间的结构差异来弥合土地覆盖与土地利用之间的语义差距；
- 它通过多尺度上的渐进式超像素分割构建了城市场景的多尺度图表示。此外，它引入了三个专用模块，即层次结构整合模块（HSIM）、自适应语义结构特征融合（ASSF）和判别性特征增强模块（DFEM），分别捕获多尺度结构、融合语义和结构线索，并增强微妙的结构差异；
- 通过保持变化边界来减少几何不确定性，并通过分解混合用途区域来减少属性不确定性，实现了精细的土地利用变化检测，从而实现精确的定位和语义一致的变化解释。

第2节介绍了研究区域和数据集，第3节详细描述了所提出的方法。实验结果和讨论分别在第4节（结果）和第5节（讨论）中呈现，第6节给出了结论。

研究区域和数据集
我们选择了中国的两个城市作为研究对象：福建省的福州市和安徽省的合肥市（图2）。这两个城市在城市结构、土地覆盖组成和土地利用分布方面存在显著差异。此外，福州和合肥近年来的城市发展模式也有所不同。福州被山脉和河流环绕，其城市发展主要表现为...

方法论
图3展示了使用双时相VHR图像进行细粒度土地利用SCD的提出方法的工作流程。我们首先构建多尺度图来建模多个尺度上土地覆盖对象之间的拓扑关系。土地覆盖对象作为图节点，是通过分割堆叠的双时相图像及其相应的土地覆盖图获得的，其节点特征通过预训练的语义分割模型提取。然后我们将HopGNN扩展为Siamese模型。

与现有城市土地利用语义变化检测方法的比较
为了评估所提出方法的有效性，我们首先在LUSCD-FZ和LUSCD-HF数据集上将其与七种现有的SCD方法进行了比较（表1）。总体而言，所提出的SMDI-Net在这两个数据集上的所有指标上都始终获得了最佳结果。对于二元变化检测，在LUSCD-FZ上达到了93.32%的F1BCD，显著优于Bi-SRNet（87.50%）和HGINet（89.56%）。SMDI-Net在LUSCD-HF上也表现出类似的优势，达到了88.46%。

讨论
本研究调查了从VHR遥感图像中进行细粒度土地利用SCD的方法，特别关注可观察到的土地覆盖属性与潜在土地利用功能之间的语义差距。尽管遥感图像有效捕捉了生物物理表面特征，但它并不直接编码土地利用功能，这给城市土地利用SCD带来了主要挑战。为了解决这个问题，我们将土地利用SCD重新表述为一个以对象为中心和以结构为驱动的学习问题。

结论
本研究解决了遥感土地覆盖观测与土地利用功能之间的语义差距问题。我们提出了SMDI-Net，通过建模图像派生对象的空间结构差异，将土地利用变化检测重新表述为一个图学习问题。通过将土地覆盖对象表示为图节点，将它们的拓扑关系表示为边，所提出的网络将遥感图像与土地利用功能语义联系起来。这种以对象为中心和以结构为驱动的方法...

作者贡献声明
Mengmeng Li：撰写——审稿与编辑、撰写——原始草稿、资源获取、方法论、资金获取、形式分析、数据管理、概念化。
Kangkai Lou：撰写——原始草稿、可视化、软件、方法论、调查、形式分析、数据管理。
Fashuai Li：撰写——审稿与编辑、验证、方法论、调查、形式分析。
Alfred Stein：撰写——审稿与编辑、监督、形式分析。

关于生成式AI和AI辅助技术的声明
在准备这项工作时，作者使用了ChatGPT来检查语法和措辞。使用该工具后，作者根据需要审查和编辑了内容，并对发表文章的内容负全责。

关于利益冲突的声明
作者声明他们没有已知的竞争性财务利益或个人关系可能影响本文报告的工作。

致谢
该研究得到了中国国家自然科学基金（NSFC）（编号42471378）的资助。