يؤدي التطور السريع للمدن وتغيرات الطلب الوظيفي المتزايدة إلى تعقيد وتنوع أنواع استخدامات الأراضي الحضرية، وأصبح الحصول التلقائي والفعال على معلومات دقيقة لاستخدامات الأراضي الحضرية مسألة ملحة تحتاج إلى حل. نظرًا لضعف قابلية تفسير الطرق المدفوعة بالبيانات التي تمثلها التعلم العميق واعتمادها القوي على العينات، يقترح هذا البحث طريقة تصنيف استخدامات الأراضي الحضرية مدفوعة بالمعارف تحت توجيه دلالي. تدمج هذه الطريقة بيانات ومنتجات متعددة المصادر مثل صور الاستشعار عن بعد، وبيانات خريطة الشوارع المفتوحة OSM [OpenStreetMap، التي تحتوي على نقاط الاهتمام POI (point of interest) ومناطق الاهتمام AOI (area of interest)]، وبيانات المناطق المناخية المحلية LCZ (local climate zones)، وبيانات البصمة العالمية للمستوطنات البشرية WSF (world settlement footprint)، وتعتمد على مصفوفة EAGLE (مجموعة عمل EIONET لرصد استخدام الأراضي في أوروبا) لإعادة بناء دلالات أنواع استخدام الأراضي وتحليل العناصر الجوهرية لها، ومن ثم استخراج ميزات البيانات المتعددة، والمؤشرات الاستشعارية، والمؤشرات الشكلية ذات الصلة لمطابقة خصائص العناصر. من خلال تجميع العناصر وقيود الميزات، يتم بناء نموذج الوجود. على هذا الأساس، يتم اقتراح استراتيجية تقسيم تدمج "الطيف + شبكة الطرق"، حيث يتم اعتبار قطع الأراضي المتجانسة الناتجة عن استخدامات الأراضي الحضرية مثالاً للاستدلال الوجودي، وفي النهاية يتم تحديد نوع استخدام الأراضي لكل قطعة من خلال الاستدلال المنطقي وتحقيق نتائج التصنيف. للتحقق من فعالية الطريقة، تم اختيار وسط مدينة تورونتو في كندا، والتي تتمتع باستخدامات أراضي معقدة للغاية، لإجراء التجارب. تظهر النتائج أن دقة التصنيف المدفوعة بالمعارف تحت التوجيه الدلالي وصلت إلى 87.02٪، ومعامل كابا بلغ 0.84، مما يحقق تصنيفًا عالي الدقة، كما أن استراتيجية التقسيم التي تدمج الطيف وشبكة الطرق تجعل حدود نتائج التصنيف أكثر توافقًا مع حالة السطح الأرضي الحقيقية، مما يوفر فكرة جديدة موثوقة وقابلة للتفسير للتعرف الدقيق ورصد استخدامات الأراضي الحضرية.

مدفوع بالمعارف;معلومات دلالية;مصفوفة EAGLE;بيانات متعددة المصادر;استخدامات الأراضي الحضرية