【免费数据】2019年我国36个主要城市的高分辨率城市空地分布矢量数据

城市空置土地是全球城市发展中面临的重要问题。无论是无序的城市扩张还是城市收缩，都会导致城市空置地的出现。空置地不仅是土地资源的浪费，也是城市发展的潜在机遇，对改善城市空间结构和制定城市发展战略具有重要意义。准确识别和监测城市空置地对于城市规划、土地资源管理和可持续发展具有重要价值。

今日分享的是2019年我国36个主要城市的高分辨率城市空地分布矢量数据！该数据集是由清华大学土木工程系毛凌东、郑哲等人以及清华大学建筑学院龙瀛团队于2022年发表在《Landscape and Urban Planning》期刊上的数据。数据格式为Shapefile，数据坐标系为WGS_1984，数据包括城市建成区shp文件和城市空置地shp文件。36个城市的清单为：北京（BJ）、上海（SH）、天津（TJ）、重庆（CQ）、广州（GZ）、成都（CD）、杭州（HZ）、南京（NJ）、武汉（WH）、西安（XA）、沈阳（SY）、长春（CC）、哈尔滨（HF）、石家庄（SJ）、太原（TY）、呼和浩特（HH）、济南（JN）、郑州（ZZ）、合肥（HE）、长沙（CS）、南昌（NC）、福州（FZ）、南宁（NN）、海口（HK）、贵阳（GY）、昆明（KM）、拉萨（LS）、西宁（XN）、银川（YC）、乌鲁木齐（WL）、兰州（LZ），以及深圳（SZ）、青岛（QD）、大连（DL）、厦门（XM）、宁波（NB）,涵盖了各省会城市、直辖市和重要的地级市。

本数据集基于的36个中国主要城市的高分辨率遥感影像数据（HRRS）由BIGEMAP平台提供，影像拍摄于2019年夏秋季，空间分辨率约为0.3米。为平衡整体与细节特征，数据预处理时优化为1.6米分辨率。

城市边界采用社区尺度的连续建成区数据来确定，通过语义分割框架（基于DeepLabv3模型）实现空地自动识别，模型按南方、北方A、北方B三类城市分层训练，最终输出shapefile格式的空地识别结果，平均识别精度达专业审核员水平的90%以上，效率较人工方法提升15倍。

大家可以在公众号回复关键词 770 免费获取该数据！无需转发文章，直接可以获取数据！以下为数据的详细介绍：

01 数据展示

该数据集包括我国36个主要城市的空置地识别结果，如下图：

我们以北京市为例来具体看一下，也就是BJ文件夹。BJ文件夹中包括VL（空置地）和BD（建成区）的shp文件，如下图：

下面我们以北京市为例，叠加BD（建成区）shp文件和VL（空置地）shp文件：

02 数据的其他指标

数据来源网站：

该数据集发布于《Landscape and Urban Planning》期刊，DOI: https://doi.org/10.1016/j.landurbplan.2022.104384

数据格式：

Shapefile

数据坐标：

WGS_1984

数据时间范围：

2019年

空间范围：

中国36个主要城市

参考论文：

Lingdong Mao etal.,Large-scale automatic identification of urban vacant land using semantic segmentation of high-resolution remote sensing images, Landscape and Urban Planning, Volume 222, 2022,104384,ISSN 0169-2046,https://doi.org/10.1016/j.landurbplan. 2022.104384.

数据引用格式：

Mao, Lingdong; Zheng, Zhe; Meng, Xiangfeng; Zhou, Yucheng; Zhao, Pengju; Yang, Zhihan; Long, Ying (2022), “Vacant land of 36 major Chinese cities”, Mendeley Data, V1, doi: 10.17632/3c8myvygjj.1

如有数据使用需求请按照官方平台的要求进行引用，更多数据详情可以查看官网获悉！

03 数据获取

如有数据需求，欢迎点击下方名片链接，关注我们并咨询获取~