都市のブルースペースの分布パターンと変化規則を定量的に評価することは、都市化プロセスと水域生態系保護の調和において重要な科学的意義と実践的価値を持つ。現在の都市ブルースペースのリモートセンシング研究は、画像の空間分解能に制約があり、小規模水域の抽出や水体の細分類において依然として課題が存在する。また、既存の研究では、国家級新区の都市ブルースペースの分布パターンと進化特性に関する全国規模の専門的な報告が不足している。本研究では、U-Net構造を改良し、チャネル再校正メカニズムと残差接続を導入することで、高解像度リモートセンシング画像における水体分類のためのCRRU-Net深層学習モデルを提案し、全国19の国家級新区を対象としたモニタリング研究を実施した。結果は、本モデルが水体分類タスクにおいて最高の精度を示し、全体の精度は94.96%に達することを示している。さらに、本研究は2014年と2023年の高解像度（4m）リモートセンシング画像に基づき、中国国家級新区の水体分類データセットを生成し、河川、湖、ダムおよび池の4つの水体タイプの分類変化のモニタリングを目的としている。結果は、中国国家級新区の都市ブルースペース面積が2014年から2023年の間に70.37 km²増加したことを示した。沿岸新区（天津浜海新区を除く）は一般的に縮小し、内陸新区（雲南滇中新区を除く）は一般的に拡大した。一部の地域では、増減のバランスにより水体の安定した様相が見られた。具体的には、河川とダムの面積は2014年の建設初期と比較してそれぞれ11.56%と10.39%増加し、湖と池の面積はそれぞれ15.35%と10.26%減少した。本研究は科学的に都市発展とブルースペース保護を調整するためのデータ支援を提供し、持続可能な都市化プロセスの推進に重要な実践的意義を持つ。

国家級新区;都市ブルースペース;高解像度リモートセンシング画像;深層学習;セマンティックセグメンテーション;U-Net;水体分類;変化モニタリング