近日，李月臣教授课题组在联合国人居委员会创办的国际权威期刊Habitat International（中科院SSCI一区TOP，IF:7）上发表了题为“Identification of Urban Functional Zones in Mountainous Cities Based on Multi-Source Data and Voting Ensemble Methods: A Case Study of Chongqing, China”的研究论文。该研究以重庆中心城区为例，探讨了如何提升山地城市内部功能区的识别精度。
重庆市是典型的山地城市，准确识别其内部功能区结构与空间分布对促进城市高质量发展具有重要意义。受复杂地形条件制约，山地城市的功能区呈现分散、混合及形态不规则等特征，这给传统识别方法的精度与适应性带来了挑战。为此，本研究构建了一种基于多源数据融合与多数投票集成的山地城市功能区识别框架。该框架首先整合遥感影像、兴趣点（POI）数据、建筑信息及开放街道地图（OSM）道路数据等多源信息，进而完成城市内部功能区基本单元的划分与分类特征提取。基于机器学习方法，本研究系统探索了城市功能空间的划分策略与优化途径，并通过集成各单一模型的优势，最终实现了功能区的高精度识别。结果显示，重庆中心城区主导功能区的识别精度较高，一、二级分类的总体精度分别达到85.74%和82.04%，Kappa系数均超过0.79。与EULUC数据相比，本方法的分类精度提升了约6%。这一结果证明，多源数据融合与投票集成策略能显著增强复杂山地城市功能区识别的准确性与适用性，从而为山地城市的空间规划与功能布局优化提供了可靠的技术支撑。
图1.单一主导类型分类识别结果（二级类）
图2. 混合功能区识别结果（二级类）
番号 为该成果第一完成单位，硕士生曾美玲为第一作者，李月臣教授为通讯作者。研究得到了重庆市技术创新与应用发展专项（CSTB2024TIAD-KPX0107）、重庆市规划和自然资源局科研项目（KJ-2023039）以及中央高校基本科研业务费专项资金（SWU021003）的资助。
论文链接：
文|李月臣 审核|李勇 樊磊 胡孜
