摘要
Copernicus Sentinel-2（S2）数据是城市政策制定者在土地覆盖分类方面的重要资源，它提供了一种免费使用的替代方案，无需花费高昂的商业数据费用。尽管中等空间分辨率限制了数据密集型机器学习方法的应用范围，但基于地理对象的图像分析（GEOBIA）框架可以成为使用S2数据进行城市土地覆盖分类的有效且实用的工具。本研究应用GEOBIA方法，通过eCognition接口处理Sentinel-2数据，对越南Hue地区的土地覆盖进行了分类。研究结果强调了GEOBIA和S2数据在提升城市决策能力方面的潜力，有助于实现更好的资源分配、环境保护和基础设施发展。结果表明，该方法在处理中尺度和空间连续的土地覆盖类型（如植被和建筑表面）时表现可靠；但对于小规模或光谱异质性较强的特征（尤其是浅水体和分散的水稻田），由于10-20米分辨率影像的混合像素效应，分类精度较低。总体准确率达到了91%，充分体现了该方法在提取和分类城市土地覆盖类型方面的有效性。本研究展示了一个可复制的城市土地监测模型，该模型适用于各种地理环境。此外，这种方法促进了以数据驱动的治理模式的发展，能够实时监测城市扩张和土地利用变化，从而实现主动干预。随着全球城市化进程的加快，特别是在快速发展的地区，这种经济高效且易于获取的分类方法对于实现长期城市可持续发展具有重要意义。研究结果进一步证明了GEOBIA作为支持数据驱动城市治理工具的可行性，它能够系统地追踪土地利用变化，为基础设施规划和可持续城市管理提供依据，无论是在发达国家还是快速城市化地区。
