近年来，随着全球气候变化进一步恶化，极端高温频发，城市面临着更加严峻的应对气候变化挑战，而获取城市内部空间格局的基础数据，并认知城市空间格局对城市热环境的影响是城市适应高温的前提条件。因此，为了更好描述局地气候差异条件下的城市内部精细空间结构，近年来国际上提出一种描述城市局地气候分区的城市结构空间分类体系——局地气候分区（Local climate zones，简称LCZ），且已广泛用于城市规划、热环境、热健康（Ma et al., 2023）等领域。然而，受数据获取、分类方法等限制，LCZ的制图精度水平并不高。
图1 不同局地气候分区（LCZ）类型定义
为此，我院马磊副教授带领小组成员，针对LCZ遥感解译手段单一，且精度不高的问题，探索了遥感影像分析三大范式之一“面向对象遥感影像分析”（Object-based image analysis，简称OBIA）在城市局地气候分区制图这一城市遥感监测前沿领域的潜力，研究利用面向对象遥感监督分类框架（Ma et al., 2017），通过整合分割对象的区域特征参数信息，并协同多源地理大数据，实现了城市局地气候分区类型的高精度遥感监测，有效将OBIA范式推广至城市LCZ制图领域，研究不仅助力了LCZ制图方法的发展，且有望打破当前对象范式在城市局地气候分区遥感解译方面不被喜欢的局面。
研究成果以“Towards better exploiting object-based image analysis paradigm for local climate zones mapping”为题在国际摄影测量与遥感学会（ISPRS）会刊《ISPRS Journal of Photogrammetry and Remote Sensing》（IF：11.77）发表（论文链接：https://www.sciencedirect.com/science/article/pii/S0924271623000783）。我院马磊副教授为第一作者，李满春教授为通讯作者，硕士研究生晏梓云、贺伟强分别为第二和第三作者。
马磊副教授长期从事遥感智能解译方面的研究，是“国土与生态安全遥感教师团队”核心骨干成员，主要聚焦于面向对象遥感影像分析理论与方法，著有《面向对象遥感影像分析理论与方法》专著，此次针对局地气候分区的面向对象遥感制图方法的探索，是建立在长期遥感智能解译知识积累基础上并针对城市遥感监测需求的重要应用突破，成功将遥感影像分析的三大范式之一“对象范式”引入城市遥感应用监测的前沿领域“局地气候分区”。研究得到国家自然科学基金项目(42171304)资助。
图2 不同城市采用不同分类范式的比较结果，其中，RF-OBIA S4是在对象范式下使用了城市形态参数的分类结果，ResNet S2是像素范式下主要使用光谱特征的分类结果
参考文献：
Ma, L., Yan, Z., He, W., Lv, L., He, G., Li, M. (2023). Towards better exploiting object-based image analysis paradigm for local climate zones mapping. ISPRS Journal of Photogrammetry and Remote Sensing, 199, 73-86.
Ma, L., Li, M., Ma, X., Cheng, L., Du, P., Liu, Y. (2017). A review of supervised object-based land-cover image classification. ISPRS Journal of Photogrammetry and Remote Sensing, 130, 277-293.
Ma, L., Huang, G., Johnson, B., Chen, Z., Li, M., Yan, Z., Zhan, W., Lu, H., He, W., Lian, D. (2023). Investigating urban heat-related health risks based on local climate zones: A case study of Changzhou in China. Sustainable Cities and Society, 2023, 104402.