基于深度学习的城市绿地生境精细化识别与降温效应优选设计—以环太湖地区为例

【目的】城市绿地为缓解热岛效应提供近自然途径，其降温效应受生境特征与生境类型差异影响，有必要类型化揭示城市绿地生境特征对于降温效应的影响规律。【方法】引入U-Net机器学习模型结合高分辨率遥感影像，对环太湖地区25983个研究单元的生境要素进行大批量自动化识别，K-means聚类得出生境类型细分，使用交叉分析揭示不同生境类型的降温效应差异及其关键影响因子。【结果】共识别出6类一级、39类二级绿地生境类型；一级生境类型降温效应总体排序为林地型＞滨水复合型＞植被复合型＞农田复合型＞草地型＞硬质型；不同绿地生境类型的降温效应和关键影响因子存在差异，并呈现一定的城乡差别。【结论】深度学习模型可辅助实现城市绿地生境要素的精细化识别与类型细分，所揭示的降温效应差异化规律有力支撑了绿地生境的优选设计策略，为城市绿地实现气候适应型近自然生态修复提供了参考。