QGIS 游泳池识别：5 种方法对比

带后院的郊区住宅航拍图，自动检测游泳池前后的对比 (after) — 在长岛（Long Island）的一个郊区街区上，对 Google Satellite 影像做一次自动检测。品红色勾出了 40 个泳池，包括树下的小泳池。拖动滑块对比。

带后院的郊区住宅航拍图，自动检测游泳池前后的对比 (before) — 在长岛（Long Island）的一个郊区街区上，对 Google Satellite 影像做一次自动检测。品红色勾出了 40 个泳池，包括树下的小泳池。拖动滑块对比。

要在 QGIS 里识别游泳池，先查 OpenStreetMap：Vector > QuickOSM > QuickOSM…，key 为 leisure，value 为 swimming_pool。地图稀疏的地方，跑分割模型，或在栅格计算器里对蓝色做阈值。地面分辨率决定用哪一种。

您的输入	方法	花费
OSM 活跃测绘区	方法 1，用 QuickOSM 查 `leisure=swimming_pool`	免费，一次查询
RGB 正射影像和几百个泳池	方法 2，分割模型	免费插件需要您自备模型或 GPU。云端插件有免费额度，之后订阅
5 到 30 cm 的 RGB 正射影像	方法 3，在栅格计算器里做颜色阈值	免费，QGIS 核心功能
带近红外或 SWIR 波段的影像	方法 4，算水体指数再做阈值	免费，卫星上看不到花园泳池
多光谱影像和一个下午	方法 5，SCP 或 dzetsaka	插件免费，花您的时间画训练区

所有版本、价格和菜单路径都在 2026 年 9 月 3 日对照 QGIS 3.44 手册和各工具文档核对过。

方法 1：拿别人已经画好的泳池

OpenStreetMap 有 3,036,801 个 leisure=swimming_pool 对象，其中 2,731,704 个是有真实几何的 ways，taginfo 2026 年 9 月 3 日数据。

打开 QuickOSM 并查询

Vector > QuickOSM > QuickOSM…，查询的是 Overpass API。Key 为 leisure，value 为 swimming_pool，范围用画布范围或指定行政区。

保留多边形，筛选出后院泳池

以节点画的泳池没有面积，所以选多边形图层。1,808,809 个泳池还带 access=private，这就是后院泳池的过滤条件。

leisure=swimming_area 是另一种对象：在湖泊或海里指定的游泳区。

卫星影像上的一个郊区街区：三个泳池上叠着蓝色的 OSM 泳池多边形，另外七个肉眼可见的泳池完全没有多边形。 — 已绘制三个泳池，七个没有。测绘者会画公共泳池和酒店泳池，私人花园泳池没人愿意画，而税务部门要找的恰恰是这些。

适用： 需要公共和商业泳池。

不用： 要找没人申报的。

方法 2：分割模型

分割模型读形状和上下文，同样的蓝色能分出泳池和篷布。我们做的就是这类，AI Segmentation。这一节讲我们自己的工具。

安装并登录

插件管理器，QGIS 3.22 或更高。不用 GPU，不用模型权重。要一个账号，有免费额度，之后 €39/月，不含税。

画出区域，输入关键词，筛选结果

输入 swimming pool 并运行。多边形回到工程 CRS，自带面积、周长和置信度。排序，删掉错的。

两个数字来自我们的调参表，运行时读取。泳池任务要求约 0.13 m 每像素，分块最大 300 m，粗了泳池就糊进露台。swimming pool 的复核从 0.20 置信度打开，building 是 0.30，因为泳池的掩膜分数本来就比屋顶低。

QGIS 中的住宅区航拍影像，每个后院泳池都填充了各自的颜色，屋顶和花园保持原样。 — 一个区域，一个词，20 cm 影像。每个泳池都是独立的多边形，带有面积，可以像任何矢量要素一样编辑。

一个限制：加盖泳池到不了模型，所以会漏检。两种云模式都会把影像发到我们在欧盟的服务器。

同一三个花园的两幅对照图。在冬季影像上，两个泳池带有青色检测框，而圈出的棕褐色覆盖物下的泳池没有。在夏季影像上，圈出位置是开放的蓝色水面。 — 相同的花园，两幅影像。圈出的泳池在冬季盖着覆盖物，检测将其漏掉。在整个图幅上，同一提示在夏季影像上返回58个泳池，在冬季影像上只返回2个，不过这两幅影像不仅季节不同，还来自不同的供应商。

另外四个能干这活的，2026 年 9 月 3 日读取。

工具	安装什么	GPU	账号	影像离开本机	泳池支持	花费
Deepness	插件管理器、Python 依赖、ONNX 模型	可选，CPU 可跑	否	否	取决于您提供的模型	免费
Geo-SAM	插件管理器、依赖、模型权重	可选	否	否	每次点击或拉框出一个对象	免费
samgeo	一个 Python 包，没有 QGIS 面板	推荐	否	否	可写脚本，没有泳池类	免费
Mapflow	插件管理器	不用	是	云服务上是，企业版提供本地部署	专用的 Swimming pools 模型，按需提供	积分，付费
AI Segmentation（我们的）	插件管理器	不用	是	两种云模式是，本地模型否	输入 `swimming pool`	免费额度，之后 €39/月，不含税

适用： 泳池多到不想手画。

不用： 影像不能离开本机。用 Deepness 或 Geo-SAM。

要大范围扫、还要有人为公开精度背书，用 Mapflow。它有专用的 Swimming pools 模型，按需提供，旁边标着 F1 高于 0.95。我们不对泳池公布数字。

方法 3：在栅格计算器里对蓝色做阈值

用投影 CRS 工作，下面三步要按图层单位做面积过滤。

这是核心 QGIS 能做到的最近方案。打开 Raster > Raster Calculator…，波段写法是 layer_name@band_number。在 RGB 正射影像上，这条规则保留明亮的高饱和蓝色：

("ortho@3" > 90) AND ("ortho@3" - "ortho@1" > 25) AND ("ortho@3" - "ortho@2" > 10)

数字是我在 20 cm 正射影像上调的。采样 20 个泳池像素和 20 个屋顶像素，再移动阈值。

用 Raster > Conversion > Polygonize (Raster to Vector) 转面，再用 native:extractbyexpression 过滤：按面积用 $area > 6 AND $area < 400，按形状用我自己的比值 4 * pi() * $area / ($perimeter ^ 2) > 0.5，因为 QGIS 没有内置紧凑度函数。

郊区正射影像，栅格计算器生成的红色掩膜覆盖了每个泳池、一块蓝色金属屋顶，以及柴堆上的一块蓝色篷布。 — 上述规则在 20 cm 影像上的结果。它能找到每个露天泳池，也会找到一块蓝色金属屋顶和一块篷布。

RGB 值随太阳角度和曝光漂移，在一条航带上调好的阈值，到下一条就坏了。色调和饱和度更稳，走 Processing Toolbox 的 i.rgb.his，它“transforms raster maps from RGB (Red-Green-Blue) color space to HIS (Hue-Intensity-Saturation) color space”。

两种规则都不知道蓝色东西是什么。

阴影。 背阴屋顶坡面呈深蓝色。提高下限，树下泳池就丢了。
蓝色屋顶和篷布。 又亮又蓝，形状还经常刚好。
深色池底和发绿泳池。 黑色池衬像沥青，藻绿像草坪。我的规则两个都漏了。
加盖泳池。 影像里根本不存在。

三幅紧密裁剪图并排展示：花园上的蓝色防水布、阴影中的屋顶坡面，以及花园中的深底泳池。 — 防水布和阴影通过了颜色规则，但本不应通过。深底泳池没能通过，但本应通过。裁剪图来自Cape Coral, Florida上空的20 cm影像。

适用： 一张一致的正射影像，愿意手检。

不用： 多架次拼接的镶嵌图。

方法 4：在有波段的影像上算水体指数

然后查分辨率。法国泳池联合会数据新建地下泳池 29 到 30 m²，在 10 cm 正射影像上是 3000 个像素，在 10 m Sentinel-2 波段上是三分之一个像素。

水几乎完全吸收近红外，所以在 NIR 里呈黑色，而蓝色屋顶依然很亮。

NDWI，McFeeters 1996：(Green - NIR) / (Green + NIR)。在 Sentinel-2 上为 (B3 - B8) / (B3 + B8)。
MNDWI，Xu 2006：(Green - SWIR) / (Green + SWIR)。在 Sentinel-2 上为 (B3 - B11) / (B3 + B11)。用 SWIR 代替 NIR 能压住建成区，在郊区这点很关键。

大于零做阈值，转面，按方法 3 过滤。Rodríguez-Cuenca 和 Alonso 在 2014 年为这个任务调过 Normalized Difference Swimming Pools Index。

Sentinel-2 的 B3 和 B8 是 10 m，B11 是 20 m，所以 30 m² 泳池永远无法从花园里分离出来。在居民区跑 MNDWI，只能得到城边的蓄水池，别的什么也没有。

同一郊区的两幅对照图：左边是可见 11 个泳池的 20 cm 正射影像，右边是同一范围的 Sentinel-2 MNDWI，呈均匀的灰色，看不到任何泳池。 — 左边 11 个泳池，右边一个也没有。同一范围，同一周。30 m² 的泳池对 10 m 传感器来说根本不会成为一个对象。

适用： 正射影像有 50 cm 或更细的 NIR 波段。完胜颜色。

不用： 只有三波段 RGB，或想在 Sentinel-2 上找花园泳池。

方法 5：在自己的影像上训练分类器

分类器从您画的样本里学泳池像素，所以能扛住搞坏固定阈值的镶嵌图。

由 Luca Congedo 开发的 Semi-Automatic Classification Plugin 是常用选择。在 SCP dock 里建训练输入（.scpx），画 ROI，再在主窗口跑 SCP > Band processing > Classification。六种算法，从 Minimum Distance 到 Random Forest。9.0.4 版 2026 年 7 月 11 日发布，但声明 QGIS 最低 3.99，所以 QGIS 3.x 还是装 8.5.0。

dzetsaka 5.0.11（作者 Nicolas Karasiak）更轻：十一种分类器，它的 Gaussian Mixture Model 不用 scikit-learn 也能跑。

蓝色屋顶类和阴影类也要画。分类器只会拒绝您给它看过的东西。

同一郊区的两幅对照图：一幅20 cm正射影像，以及对其做的最小距离分类，泳池类别以青色显示，其中一个蓝灰色屋顶比旁边两个真正的泳池显得更大。 — 对同一幅20 cm正射影像做的最小距离分类，其泳池类别用该图幅中的58个泳池样本训练。在整个图幅中，被判为泳池的像元有46%并不是泳池，其中大部分是蓝灰色屋顶，就像中间这一个。

适用： 多架次多季节，流程要重复用。

不用： 一张正射影像跑一遍。两个都是分像素不分对象，转面和过滤省不掉。

五种方法对照

您有什么	方法
测绘完善的城镇，公共泳池够用	方法 1，QuickOSM
几百个泳池，不想忍误检	方法 2，分割模型
一张好于 30 cm 的 RGB 正射影像	方法 3，颜色阈值再过滤
带 NIR 波段的正射影像	方法 4，NDWI
Sentinel-2 或任何 10 m 影像	花园泳池哪个都不行。去找更细的影像
多架次、可重复的流程	方法 5，SCP 或 dzetsaka

记住什么

先看分辨率，再看波段，再看您能承受多少手检。

30 m² 泳池在 10 m 上永远无法从花园里分离，所以不管跑什么指数，Sentinel-2 都不是找后院泳池的传感器。

颜色阈值会返回街区里所有蓝色东西，所以先按面积和紧凑度过滤，再看结果。

加盖泳池在影像里缺失，所以这页没有方法能找到，多少钱都不行。

检测是候选。不管跑什么，在有人对该图层采取行动之前，先打开置信度最低的十个多边形。

在 QGIS 中免费试用，无需银行卡

常见问题

QGIS 能自己检测游泳池吗？

不能，作为功能没有。核心 QGIS 提供栅格计算器、栅格矢量化和矢量过滤，也就是方法 3。把泳池识别为对象需要一个插件。

能在 Sentinel-2 影像里找后院泳池吗？

不能。Green 和 NIR 是 10 m 波段，SWIR 是 20 m，30 m² 泳池只占三分之一个像素。用 30 cm 或更细的航片。

蓝色屋顶为什么总被认成泳池？

彩钢屋顶比池水更亮更蓝，而颜色规则只认颜色。按面积和紧凑度过滤，转用 NDWI，或用模型。

用航片检测游泳池合法吗？

把检测与地块和业主姓名关联就是个人数据，在欧盟需要 GDPR 下的合法依据。税务局有写进法律的依据。私营公司通常没有，所以关联前问您的数据保护官，模型的输出永远不能是账单前的最后一步。

精度能期待多高？

一个数字就是假的，随影像和季节变。20 cm 上的开放泳池回来得很好，加盖泳池这里全漏，蓝色屋顶就是您要手删的东西。

检测结果已经是一份可以直接处理的泳池清单了吗？

法国税务局在 IGN 航片上跑过，仍然要给每个业主寄信。Foncier innovant 试点对 9 个省 2022 年的 20,356 个泳池征税，价值 980 万欧元，2023 年全国一遍又找出 150,000 个应税未申报泳池。检测只是候选，把它与地块和姓名关联，就是个人数据。

过滤步骤全文，看在 QGIS 中检测建筑轮廓。掩膜背后的清理，看QGIS 栅格转矢量指南。要对整个市镇的影像批量跑同样的检测加过滤流程，AI Agent 可以在 QGIS 内根据一条指令执行这些步骤。其余在 QGIS AI hub。