도시 블루스페이스의 분포 패턴과 변화 규칙을 정량적으로 평가하는 것은 도시화 과정과 수역 생태계 보호의 조정을 위해 중요한 과학적 의미와 실질적 가치를 지닙니다. 현재 도시 블루스페이스 원격 탐사 연구는 영상 공간 해상도의 제한으로 인해 소규모 수역 추출과 세밀한 수역 유형 구분에 여전히 도전이 존재합니다. 또한, 기존 연구들은 국가급 신도시의 도시 블루스페이스 분포 패턴과 변화 특성에 대한 전국 규모의 전문 보고가 부족합니다. 본 연구는 U-Net 구조를 개선하여 채널 재보정 메커니즘과 잔류 연결을 도입하였으며, 고해상도 원격 탐상 영상의 수역 분류를 위해 CRRU-Net 딥러닝 모델을 제안하여 전국 19개 국가급 신도시에 대한 모니터링 연구를 수행하였습니다. 결과는 해당 모델이 수역 분류 과제에서 최고의 정확도를 보이며, 전체 정확도는 94.96%에 달함을 보여줍니다. 또한, 본 연구는 2014년과 2023년의 고해상도(4m) 원격 탐사 영상을 기반으로 중국 국가급 신도시 수역 분류 데이터셋을 생성하여 강, 호수, 저수지 및 연못의 4가지 유형 수역 변화 모니터링을 목표로 합니다. 결과는 중국 국가급 신도시의 도시 블루스페이스 면적이 2014년에서 2023년 사이에 70.37 km² 증가했음을 보여줍니다. 해안 신도시(천진 빈하이 신도시 제외)는 일반적으로 축소되었으나 내륙 신도시(운남 디엔중 신도시 제외)는 일반적으로 확장되었으며, 일부 지역은 증가와 감소의 균형으로 인해 수역 안정 현상을 나타냈습니다. 구체적으로, 강과 저수지 면적은 2014년 건설 초기 대비 각각 11.56%와 10.39% 증가했고, 호수와 연못 면적은 각각 15.35%와 10.26% 감소했습니다. 본 연구는 과학적인 도시 발전과 블루스페이스 보호 조정을 위한 데이터 지원을 제공하며, 지속 가능한 도시화 추진에 중요한 실천적 의의를 지닙니다.

국가급 신도시; 도시 블루스페이스; 고해상도 원격 탐사 영상; 딥러닝; 의미 분할; U-Net; 수역 분류; 변화 모니터링