《Remote Sensing》：A Method for Segmentation and Identification of Urban Functional Areas with Generalization Ability Based on Scale-Aware Feature-Enhanced Attention Mask R-CNN
编辑推荐：
准确识别城市功能区对于城市规划和可持续发展至关重要。然而，现有的深度学习方法表现出有限的跨城市泛化能力，使其不足以用于大规模自动化制图应用。为解决这一挑战，本研究提出了一种基于SFA-Mask R-CNN（Scale-Aware Feature-enhance
准确识别城市功能区对于城市规划和可持续发展至关重要。然而，现有的深度学习方法表现出有限的跨城市泛化能力，使其不足以用于大规模自动化制图应用。为解决这一挑战，本研究提出了一种基于SFA-Mask R-CNN（Scale-Aware Feature-enhanced Attention Mask R-CNN，尺度感知特征增强注意力Mask R-CNN）的跨城市识别框架，该框架通过集成三种互补的特征增强机制实现了功能区的精确分割与分类：用于判别性特征重校准的卷积块注意力模块（CBAM），一种新颖的尺度感知特征金字塔网络（SA-FPN），其根据输入影像的尺度分布动态调整特征金字塔层权重以提升跨城市迁移能力，以及用于多尺度上下文特征提取的空洞空间金字塔池化（ASPP）模块，并结合多源数据融合。以长江经济带沿线的三个城市——成都、武汉和上海——作为研究区域，研究人员系统评估了该模型的跨城市泛化性能。结果表明，武汉模型展现出最强的跨城市迁移能力，在成都达到了85.37%的准确率，表明在过渡发展阶段城市上训练的模型具有更优越的泛化性。相比之下，本研究测试的基于梯度反转层的域适应方法未能有效提升模型性能。本研究为“一次训练，多城应用”的大规模功能区制图提供了一条实用的技术路径，并为城市发展区域差异研究提供了新视角。
城市功能区是城市空间结构的基本单元，其准确识别对城市规划、资源优化配置和可持续发展至关重要。然而，传统方法依赖人工调查和专家知识，效率低且主观性强；遥感技术虽能提供物理特征，但无法捕捉社会语义属性。随着多源数据（如道路网络、兴趣点（POI）和夜间灯光）的引入，研究人员利用密度统计、核密度估计（KDE）和聚类算法（如K-means、高斯混合模型）提升了功能区识别精度，但深度学习方法在跨城市应用中仍面临泛化能力不足的关键挑战。现有模型大多基于单城市数据集训练，当应用于不同发展阶段的城市时，由于尺度不匹配、特征过拟合和类别不平衡，识别精度显著下降。此外，缺乏针对不同城市发展特征的系统性对比研究，难以揭示模型性能差异的内在原因。为填补这一空白，研究人员选取长江经济带沿线的成都、武汉和上海三个代表性城市，提出了基于SFA-Mask R-CNN（尺度感知特征增强注意力Mask R-CNN）的跨城市功能区识别框架。该研究通过改进经典Mask R-CNN架构，引入互补模块以解决空间尺度变化和边界模糊问题，并结合多源地理数据融合，构建了全面的功能区分类体系。通过设计单城市独立建模、跨城市直接迁移和域适应联合建模三组对比实验，系统评估了模型的跨城市泛化性能，揭示了城市发展阶段对模型泛化能力的影响机制。该研究为“一次训练，多城应用”的大规模功能区制图提供了可行的技术路径，并发表在《Remote Sensing》。
为开展研究，研究人员主要采用了以下关键方法：
1）**SFA-Mask R-CNN架构**：以ResNet50为骨干网络，嵌入卷积块注意力模块（CBAM）进行通道和空间注意力重校准；提出尺度感知特征金字塔网络（SA-FPN），通过动态层级加权机制根据输入影像的尺度分布调整特征金字塔层权重；引入空洞空间金字塔池化（ASPP）模块，利用不同膨胀率的并行空洞卷积提取多尺度上下文特征。
2）**多源数据融合**：从高分辨率遥感影像（Google Earth，1米分辨率，2024年）提取光谱、纹理和几何特征；从NPP/VIIRS夜间灯光数据（500米分辨率，2024年月合成数据）提取均值和标准差；从高德地图POI数据（20大类，2024年）经核密度估计（KDE）提取密度特征，三者构成42维特征向量，输入随机森林分类器进行功能区分类。
3）**实验设计**：选取成都、武汉、上海三个城市，每城市约150–200张1024×1024像素标注样本（70%训练，30%测试），进行单城市独立建模、跨城市直接迁移和基于梯度反转层的域适应联合建模对比。
**4.1 消融实验**
以标准Mask R-CNN为基线，逐步添加CBAM、ASPP和SA-FPN模块，在武汉数据集上验证各模块贡献。完整SFA-Mask R-CNN实现了总体精度（OA）85.03%、F1分数89.00%、召回率85.54%、精度86.18%，显著优于所有部分配置，证明三个模块互补且协同有效。与HTC和Mask2Former对比，SFA-Mask R-CNN在OA上分别高出10.82%和8.80%，精度提升尤为突出。
**4.2 SFA-Mask R-CNN分割性能评估**
单城市模型在各自测试集上：成都模型OA 85.36%、F1 89.91%；武汉模型OA 85.03%、F1 89.00%；上海模型OA 83.51%、F1 85.55%。在对象级指标上，上海模型召回率最高（89.81%），成都模型召回率最低（77.53%），武汉模型表现均衡（召回率85.54%，精度86.18%）。成都和武汉的像素级精度较高，上海模型在对象级检测上更具优势。
**4.3 跨城市模型泛化性能比较**
**4.3.1 单城市模型跨城市迁移**
通过九种迁移场景（三个源城市×三个目标城市）评估：武汉模型泛化最强，迁移至成都OA达85.37%（甚至略高于成都本地模型），迁移至上海OA 80.43%；上海模型迁移至武汉OA 80.53%，至成都OA 83.46%；成都模型迁移至武汉OA仅73.85%，至上海OA 76.90%，表现最差。迁移方向呈现不对称性：武汉与成都之间单向有效（武汉→成都优于成都→武汉），武汉与上海之间双向对称（差异仅0.10%）。
**4.3.2 域适应联合模型性能**
整合三城市数据并引入梯度反转层进行域对抗训练，联合模型在武汉OA 82.79%、成都OA 80.78%、上海OA 74.01%，均低于各自单城市本地模型和最佳跨城市迁移模型，表明简单域适应策略未能提升泛化能力，甚至造成性能下降。
**4.4 功能区分类与空间格局分析**
基于SFA-Mask R-CNN分割结果，融合多源数据使用随机森林分类，武汉OA 93.42%、Kappa 0.895；上海OA 91.97%、Kappa 0.860；成都OA 91.21%、Kappa 0.851。与EULUC-China数据集（一级总体精度61.2%）相比，三城市分别提升约13、17和46个百分点，尤其在成都提升最显著。空间分布呈现不同格局：上海为多中心网络型，武汉为沿江轴向型，成都为放射状扩张型。
**讨论部分总结**
研究人员讨论了城市发展阶段与模型泛化能力的耦合机制。武汉模型泛化最强，因其处于过渡发展阶段，功能区特征兼具成熟城市（上海）的规范性和新兴城市（成都）的动态性，且内部空间异质性高（变异系数CV=2.11），涵盖多种尺度形态。成都模型因快速扩张阶段的大尺度、低密度特征（均面积0.072 km2，密度13.88个/km2）导致区域特异性强，迁移时性能显著下降。上海模型因成熟城市功能区边界渐变、垂直混合突出，像素级精度较低但对象级召回率高。域适应失败的原因包括：尺度差异是结构性而非统计性，联合训练产生冲突目标，域判别器未考虑类别特定分布。研究方法优势在于两阶段策略（实例分割-智能分类）分离空间形态识别与语义分类，使深度学习专注于前者的优势，传统机器学习利用多源数据进行后者的分类，提升了跨城市迁移效率。技术局限包括：依赖高质量标注数据（每城市约150–200样本），计算复杂度随模块增加而升高，混合功能区识别有限（如上海垂直混合功能区），多源数据时空分辨率不一致，域适应方法效果不佳。
**研究结论翻译**
为应对跨城市功能区识别中的关键挑战——包括尺度差异、边界模糊和泛化能力有限——本研究提出了SFA-Mask R-CNN（尺度感知特征增强注意力Mask R-CNN）架构，并构建了集成多源数据融合的跨城市识别框架。以长江经济带沿线的三个代表性城市——成都、武汉和上海——作为实证案例，研究人员系统评估了深度学习方法在不同发展阶段城市间的适应性。SFA-Mask R-CNN架构通过引入三个模块有效克服了空间尺度变化大和功能区边界模糊的技术难题：用于判别性特征重校准的CBAM注意力机制、用于尺度感知跨尺度特征融合的SA-FPN，以及用于多尺度上下文特征提取的ASPP模块。三城市本地模型在各自测试集上实现了高分割精度，像素级总体精度在83%至85%之间，F1分数在85%至90%之间，验证了改进架构的有效性。此外，两阶段策略“实例分割—智能分类”充分发挥了深度学习在空间形态提取和多源数据融合在语义分类中的优势，功能区分类准确率超过91%。跨城市模型泛化实验揭示了城市发展阶段对模型适应性的显著影响。武汉模型展现出最强的跨城市迁移能力，在成都达到85.37%的总体精度，在上海保持80.43%的精度，表明处于过渡发展阶段（快速发展与优化调整并存）的城市，其功能区特征涵盖更广的类型谱，因而训练出的模型对新兴城市具有向下兼容性，对成熟城市具有向上适应性。相比之下，成都模型的跨城市迁移性能明显较弱，迁移至其他城市时总体精度降至73%–77%，反映了快速扩张阶段大尺度、低密度特征带来的阶段性和区域性局限。域适应联合建模实验进一步表明，简单的多城市数据整合策略未能有效提升模型泛化能力，提示需要更复杂的适应技术。三城市功能区空间格局的差异强烈反映了长江经济带的梯度发展特征，这些差异不仅影响功能区识别精度，更显著影响模型的可迁移性。
