El rápido desarrollo de las ciudades y los cambios crecientes en las demandas funcionales hacen que los tipos de uso del suelo urbano sean más complejos y diversos. La obtención automática y eficiente de información detallada sobre el uso del suelo urbano se ha convertido en un problema urgente por resolver. Frente a las limitaciones de los métodos basados en aprendizaje profundo, caracterizados por una baja interpretabilidad y fuerte dependencia de muestras, este artículo propone un método de clasificación del uso del suelo urbano impulsado por el conocimiento ontológico bajo guía semántica. Este método integra datos y productos multi-fuente como imágenes de teledetección, datos de OpenStreetMap (OSM) que incluyen puntos de interés (POI) y áreas de interés (AOI), datos de zonas climáticas locales (LCZ) y datos globales de asentamientos humanos (WSF). Con base en la matriz EAGLE (grupo de acción EIONET para monitoreo del suelo en Europa), reconstruye la semántica de los tipos de uso del suelo, analiza los elementos ontológicos y extrae características de los datos multi-fuente, índices de teledetección e índices morfológicos relacionados para coincidir con las características atributivas de los elementos. Mediante la combinación de elementos y restricciones de características, construye un modelo ontológico. Sobre esta base, propone una estrategia de segmentación que fusiona “espectro + red vial”, tomando los parcelamientos homogéneos de uso del suelo urbano generados como instancias para la inferencia ontológica, y finalmente determina el tipo de uso del suelo de cada parcela mediante inferencia lógica, obteniendo los resultados de clasificación. Para validar la efectividad del método, se seleccionó el centro de la ciudad de Toronto, Canadá, con un alto grado de complejidad en el uso del suelo, para la experimentación. Los resultados muestran que la precisión general de la clasificación impulsada por el conocimiento bajo guía semántica alcanza el 87,02%, con un coeficiente Kappa de 0,84. Esto no solo logra una clasificación de alta precisión, sino que la estrategia de segmentación que fusiona el espectro y la red vial también hace que los límites de los resultados de clasificación sean más acordes con la situación real de la superficie terrestre, ofreciendo una nueva idea confiable e interpretable para el reconocimiento y monitoreo preciso del uso del suelo urbano.

Impulsada por conocimiento;información semántica;matriz EAGLE;datos multi-fuente;uso del suelo urbano