城市功能区是指在城市发展过程中形成的承载特定社会经济功能的空间组织形式，包括居住、商业、工业等类型，能够综合反映城市人类活动和土地利用的分布格局与结构特征，是新时期落实以人为本的国家新型城镇化战略、加强城市存量更新与城市高质量发展的重要基础单元。

近年来，城市功能区识别与制图的精度和效率已有大幅提高。然而，城市功能分区制图方法多采用日间多光谱影像和兴趣点（POI）等二维（2D）数据，未能充分利用夜间灯光所蕴含的光谱与纹理信息，也缺乏对建筑物高度和数字地表模型（DSM）等三维（3D）特征的有效融合。同时，传统方法还面临样本依赖性强和模型泛化性差等挑战。

研究团队以可持续发展科学卫星1号（SDGSAT-1）获取的遥感数据为基础，有针对性地提出了一种基于卷积神经网络（CNN）架构的渐进式多模态数据融合方法。新方法利用不同城市功能分区类型社会经济活动的昼夜差异，通过特征表示、关系提取和上下文建模实现不同模态之间的对齐、交互和增强，充分发挥SDGSAT-1昼夜多光谱影像和其他2D-3D多维度特征的互补性，能够有效提升混合功能类型的跨尺度解译能力。

本研究旨在通过多模态融合互补提升模型的小样本分类和跨区域泛化能力，为此选取了两个超大城市（北京和上海）作为研究区以进行有效性评估和泛化性检验。结果表明，昼夜全天时和2D-3D立体式的多模态数据深度融合可进一步提高城市功能区识别与制图的精度和效率。

与其他深度学习方法相比，新方法在大多数功能分区类型的语义分割中，结果准确性和拓扑一致性均呈现显著优势，尤其是在小样本量条件下（训练与测试比例为1:4），不仅取得了更高的精度评价指标（总体精度>0.91，平均F1分数>0.91），还能够较为准确地识别并提取出小尺度单一功能区类型。此外，通过数据组合与模块消融实验，也验证了其在复杂场景城市功能分区精细化、智慧化制图中的广泛应用潜力。

本研究得到了国家自然科学基金委原创探索计划项目（42450273）、面上项目（42171326）和青年科学基金项目（42301423）等的支持。

Huiping Jiang (蒋会平), Mingxing Chen* (陈明星), Xiangchao Meng (孟祥超), Hangfeng Qiao (乔航峰), Dashan Lang (郎大山), and Zhenhua Zhang (张振华). An enhanced feature fusion method for urban functional zone mapping with SDGSAT-1 day-night imagery and multi-dimensional geospatial data. Remote Sensing of Environment, 2026, 332: 115050

原文链接：https://doi.org/10.1016/j.rse.20253.115050

图2 基于卷积神经网络（CNN）的渐进式多模态数据融合架构

图3 城市功能分区类型在SDGSAT-1日间多光谱影像中的可视化效果

图4 城市功能分区类型在SDGSAT-1彩色微光影像中的可视化效果

图5 新方法在不同训练与测试比例条件下的城市功能分区效果

图6 不同方法在相同训练与测试比例条件下的城市功能分区效果