编辑推荐：
为解决全球特大城市城市开放空间（UOS）地图绘制难题，中国地质大学（武汉）研究人员开展基于深度学习和微小手动标注策略的研究，生成 1.19m 分辨率的 OpenspaceGlobal 产品，验证精度良好，有助于推动全球城市规划和可持续发展。
城市开放空间（Urban Open Space，UOS），这个与人们生活息息相关却又常常被忽视的存在，在城市运转中发挥着极为重要的作用。它是城市里的 “绿色心脏”，由植被区、公园、广场等构成，为城市居民提供休闲娱乐场所，在生态调节、缓解城市热岛效应等方面也功劳不小。评估城市开放空间的可达性，还是衡量城市可持续发展（Sustainable Development Goal 11.7）的关键指标。
然而，想要精准绘制城市开放空间地图却困难重重。城市环境复杂多样，UOS 物体大小不一，还常和建筑物等混在一起，导致类别界限模糊，分类难度大。深度学习方法虽强大，但获取大量高质量训练样本既费钱又耗时，人工标注全球范围的样本更是不现实。正因如此，全球大多数特大城市的 UOS 地图至今仍是空白。
为了填补这一空白，中国地质大学（武汉）的研究人员踏上了探索之旅。他们开展了一项极具创新性的研究，旨在利用遥感和众包地理空间数据，绘制全球 169 座特大城市的 UOS 地图。研究成果意义非凡，不仅能帮助人们更好地了解城市空间，还能为城市规划、灾害应急响应提供有力支持，推动城市可持续发展。该研究成果发表在《Scientific Data》上。
在研究过程中，研究人员采用了多种关键技术方法。首先是定义 UOS 类别，参考相关标准将其分为 “公园和绿地”“户外体育空间”“交通空间”“水体空间” 和 “背景” 五类。数据准备阶段，收集了高分辨率（1.19m）的谷歌地球光学遥感影像、OpenStreetMap 多边形数据和百度地图的 AOI 多边形数据。利用微小手动标注策略，结合众包地理空间数据生成大量标注样本，降低标注成本。开发基于 Transformer 的语义分割神经网络 UOFormer，用于 UOS 映射，并通过叠加众包地理空间数据对结果进行后处理 。
研究结果如下：
- 数据记录：生成的 OpenspaceGlobal 产品以 GeoTIFF 格式存储，按城市和国家行政区划分组，每个城市瓦片命名为 “City.tif”，包含 1 - 5 的 UOS 标签波段，代表不同类别。展示了部分城市的 UOS 映射结果，还给出了各 UOS 类别在 169 座特大城市中的比例。
- 技术验证：构建语义分割测试集和全球验证数据集评估产品性能。语义分割验证中，UOFormer（未后处理）和 OpenspaceGlobal 产品（后处理）各项指标显示，后处理显著提升了 UOS 映射精度。像素级验证表明，尽管部分类别存在分类困难，但 OpenspaceGlobal 产品总体表现令人满意，不同大洲的精度有所差异。与现有数据集比较，该产品与其他优秀产品在多个类别上一致性较高，且能更精准地描绘细节。
研究结论表明，研究人员成功开发出全球首个 1.19m 分辨率的 169 座特大城市 UOS 地图产品 OpenspaceGlobal，其精度较高，能为城市规划者、研究人员和政策制定者提供有价值的数据支持。不过，研究也存在一些局限性，如非洲地区数据质量受限、模型在处理复杂城市形态时还有提升空间。未来可通过提高数据质量、改进模型等方式加以完善。这项研究为全球城市开放空间的研究和规划开辟了新道路，对推动城市可持续发展意义深远。
