UGS-1m产品提供基于深度学习（DL）框架生成的中国31个主要城市的细粒度UGS地图。该生成器是一个专为UGS提取而设计的全卷积网络（UGSNet），它集成了注意力机制以提高对UGS的辨别力，并采用点撕裂策略进行边缘恢复。鉴别器是一个完全连接的网络，旨在处理图像之间的域偏移。数据集详细说明如下：
1. UGS-1m.zip：中国 31 个主要城市的细粒度 UGS 地图产品；
2.UGSet.zip：支持和促进 UGS 研究的大型基准数据集；
3. GUB_Data.zip：各城市的全球城市边界数据；
4. GE_Imagery_DataFrame.zip：".shp "格式的谷歌地球图像网格数据，提供每个城市的图像组成；
5. 其他以城市名称命名的 Zip 文件：各城市的谷歌地球图像。
1.在谷歌地球下载了覆盖中国 31 个主要城市 GUB 区域的共 2179 幅 Google Earth 图像，每个数据框的经度为 7′30′′，纬度为 5′00′′，空间分辨率接近 1.1 米。
2.通过高分二号（GF2）卫星从中国广东省的142个样本区域采集4544幅512×512大小、空间分辨率接近1米的图像，给大范围的城市绿地测绘提供广泛的样本数据库，并为深度学习算法之间的比较提供一个基准。
3.利用 2018 年全球城市边界（GUBs；Li 等人，2020 年）数据对每幅样本图像的城市区域进行遮挡以滤除非城市区域的绿地。
获得 UGS-1m 的主要步骤可归纳如下：
1. 首先，在 UGSet 上对 UGSNet 进行预训练，以便为生成器获得良好的起始训练点；
2. 在 UGSet 上进行预训练后，判别器负责通过对抗训练使预训练的 UGSNet 适应不同的城市；
3. 最后，使用 2179 幅谷歌地球图像获得中国 31 个主要城市的 UGS 结果（UGS-1m），数据帧的经度为 7'30"，纬度为 5'00"，空间分辨率接近 1. 1 米。
评价指标包括 OA、Pre、Rec 和 F1。可以看出，在五个验证城市中，所有城市的平均 OA 为 87.56%，而每个城市的 OA 都高于 85%。其中，长春的 OA 最高，为 90.62%，而北京的 OA 最低，也达到了 85.86%，说明不同城市的 UGS 结果基本良好。从 F1 分数来看，广州的 F1 分数最高，为 81.14%，其次是北京和长春，分别为 79.23% 和 77.10%。虽然武汉和拉萨的 F1 分数相对较低，分别为 67.71 % 和 59.85 %，但最终 UGS 结果的平均 F1 分数也达到了 74.86 %。此外，76.61 % 的平均 Rec 也表明 UGS 提取结果的漏检率相对较低，这在应用中非常重要。总之，经过在多个不同城市的定量验证，UGS-1m 的可用性得到了初步证明。
本作品采用
知识共享署名
4.0 国际许可协议进行许可。
CSTR:31253.11.sciencedb.07049
10.57760/sciencedb.07049
