QGIS游泳池检测：5种方法对比

要在里检测游泳池，先查 OpenStreetMap：Vector > QuickOSM > QuickOSM…，key 为 leisure，value 为 swimming_pool。地图稀疏的地方，在 raster 计算器里对蓝色做阈值，或跑分割模型。地面分辨率决定用哪一种。

网上说法错在哪里

论坛和教程里反复出现三个答案，每个都会浪费你一天。

“在 Sentinel-2 上跑 NDWI 数泳池。” Green 和 NIR 是 10 m，SWIR 是 20 m，而新建地下泳池只有 29 到 30 m²，也就是三分之一个像素。在居民区跑 MNDWI，只能找到城边的蓄水池，花园里的泳池一个也找不到。

“蓝色做阈值就是泳池。” 颜色规则只认颜色。蓝色金属屋顶、盖木柴堆的篷布会通过，深色池底泳池、发绿的泳池会被漏掉，加盖的泳池在影像里根本不存在。

“检测结果就是名单。” 法国税务局在 IGN 航片上跑过，仍然要给每个业主寄信。检测只是候选，把它与地块和姓名关联，就是个人数据。

简短答案

你的输入	方法	花费
OSM 活跃测绘区	Method 1，用 QuickOSM 查 `leisure=swimming_pool`	免费，一次查询
5 到 30 cm 的 RGB 正射影像	Method 2，在 raster 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	Method 3，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	Method 4，SCP 或 dzetsaka	plugin 免费，花你的时间画训练区
RGB 正射影像和几百个泳池	Method 5，分割模型	免费 plugin 要你自备模型或 GPU。云端 plugin 有免费额度，之后订阅

我如何对比

五个标准：输入、影像是否离开本机、多少输出要手检、花费、安装成本。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。免费方法我在法国郊区正射影像和同一街区的 Sentinel-2 场景上跑过。

五种中我们做了一种，就是 Method 5。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。

开始之前

用投影 CRS 工作，下面三步要按 layer 单位做面积过滤。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。

法国税务局在 IGN 航片上跑这个。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。每一个最后都走了给业主寄信的流程。

Method 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。

Open QuickOSM and query

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。

Keep polygons, filter to gardens

以 node 画的泳池没有面积，所以拿 polygon layer。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。

A suburban block on satellite imagery with OSM swimming pool polygons in blue over three pools, and seven other visible pools with no polygon at all. — Three pools mapped, seven not. Mappers draw public and hotel pools. Private garden pools are the ones nobody bothers with, and the ones a tax office is looking for.

适用： 需要公共和商业泳池。

不用： 要找没人申报的。

Method 2：在 raster 计算器里对蓝色做阈值

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。

A suburban orthophoto with a red mask from the raster calculator covering every swimming pool, a blue metal roof, and a blue tarpaulin over a woodpile. — The rule above, over 20 cm imagery. It finds every open pool. It also finds a blue metal roof and a tarpaulin.

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。

Four tight crops side by side: a blue tarpaulin, a shaded roof slope, a dark-bottom pool and a pool under a grey winter cover, with the threshold mask overlaid on the first two only. — The tarp and the shadow pass the rule and should not. The dark-bottom pool and the covered pool fail it and should not.

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。

Method 3：在有波段的影像上算水体指数

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 Method 2 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。

Two panels of the same suburb: a 20 cm orthophoto with eleven visible pools, and the Sentinel-2 MNDWI of the same extent showing a uniform grey with no pool visible. — Eleven pools on the left, none on the right. Same extent, same week. A 30 m² pool never reaches a 10 m sensor as an object.

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。

Method 4：在自己的影像上训练分类器

分类器从你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。

Semi-Automatic Classification Plugin by Luca Congedo 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，by 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。分类器只会拒绝你给它看过的东西。

The SCP dock in QGIS with a training input listing pool, roof, shadow and vegetation classes, and the classified raster behind it with pool pixels in cyan. — Three classes and a Random Forest over the same 20 cm orthophoto. The blue-roof class does more work than the pool class.

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。

Method 5：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。

Install and sign in

plugin 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 欧元/月，不含税。

Draw a zone, type the word, filter

输入 swimming pool 并运行。多边形回到项目 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 mask 分数本来就比屋顶低。

A residential block on aerial imagery in QGIS, every backyard swimming pool filled with its own colour, roofs and gardens untouched. — One zone, one word, over 20 cm imagery. Each pool is its own polygon with an area, editable like any vector feature.

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。

Two neighbouring gardens: the open pool on the left outlined in the detection layer, the pool under a grey winter cover on the right with no polygon. — Left, detected. Right, a pool under a cover. Nothing in the image says it is there, and no method on this page finds it.

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	plugin 管理器、Python 依赖、ONNX 模型	可选，CPU 可跑	否	否	取决于你提供的模型	免费
Geo-SAM	plugin 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	plugin 管理器	不用	是	是	专用的 Swimming pools 模型，按需提供	积分，付费
AI Segmentation（我们的）	plugin 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 欧元/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。

五种方法对照

你有什么	方法
测绘完善的城镇，公共泳池够用	Method 1，QuickOSM
一张好于 30 cm 的 RGB 正射影像	Method 2，颜色阈值再过滤
带 NIR 波段的正射影像	Method 3，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	Method 4，SCP 或 dzetsaka
几百个泳池，不想忍误检	Method 5，分割模型

记住什么

先看分辨率，再看波段，再看你能承受多少手检。

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 layer 采取行动之前，先打开置信度最低的十个多边形。

Try it free in QGIS, no card needed

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 给你 raster 计算器、面矢量化和矢量过滤，也就是 Method 2。把泳池识别为对象需要一个 plugin。

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 EU 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，所以关联前问你的数据保护官，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，蓝色屋顶就是你要手删的东西。

过滤步骤全文，看在 QGIS 中检测建筑轮廓。mask 背后的清理，看在 QGIS 中 raster 转矢量。其余在 QGIS AI hub。

延伸阅读QGIS AI Segmentation 完整指南