QGIS 泳池偵測：5 種方法

要在中偵測泳池，先查 OpenStreetMap：Vector > QuickOSM > QuickOSM…，key leisure，value swimming_pool。圖資稀疏的地方，就在 raster calculator 對藍色設門檻，或跑分割模型。用哪一種，由地面解析度決定。

網路上常見的錯誤說法

三種答案在論壇和教學裡一直被轉傳，每一種都會讓你浪費一天。

**「用 Sentinel-2 跑 NDWI 就能數泳池。」**綠光和近紅外是 10 m，短波紅外是 20 m，而新建的地下泳池只有 29 到 30 m²，也就是三分之一個像元。在郊區跑 MNDWI，只會找到城邊的水庫，花園裡的泳池一個都找不到。

**「對藍色設門檻就有泳池了。」**色彩規則只認顏色，其他什麼都不認。藍色金屬屋頂和蓋木柴堆的藍色帆布會通過，深色池底的泳池和發綠的泳池會被漏掉，加蓋的泳池根本不在影像裡。

**「偵測結果就是名單。」**法國稅務單位用 IGN 航拍跑過一次，最後還是逐一發函給屋主。偵測結果只是候選，把它接到地籍和人名，就變成個人資料。

簡短答案

你的輸入	方法	花費
OSM 圖客活躍的任何地區	方法 1，用 QuickOSM 查 `leisure=swimming_pool`	免費，一次查詢
5 到 30 cm 的 RGB 正射影像	方法 2，在 raster calculator 做色彩門檻	免費，QGIS 核心內建
有近紅外或短波紅外波段的影像	方法 3，算水體指數再設門檻	免費，衛星影像看不到庭院泳池
多光譜影像和一個下午	方法 4，SCP 或 dzetsaka	plugin 免費，花的是你畫訓練區的時間
RGB 正射影像和數百個泳池	方法 5，分割模型	免費 plugin 要自備模型或 GPU。雲端 plugin 有免費額度，之後要訂閱

我怎麼比較的

五個標準：輸入、影像是否離開你的電腦、多少輸出要人工檢查、費用、安裝難度。每個版本、價格和選單路徑，都是在 2026 年 9 月 3 日對著 QGIS 3.44 手冊和各工具文件讀過的。免費方法我用同一街區的法國郊區正射影像和 Sentinel-2 影像實際跑過。

五種裡我們自己做了一種，就是方法 5。要掃圖並由別人為公開精度數字背書，就用 Mapflow。它有專用的 Swimming pools 模型，隨選提供，旁邊標著 F1 高於 0.95。泳池的數字，我們自己不公布。

開始之前

先用投影坐標系工作，因為下面有三步要用 layer 單位按面積篩選。再檢查解析度。法國泳池協會說新建地下泳池是 29 到 30 m²，在 10 cm 正射影像上是 3,000 個像元，在 10 m Sentinel-2 波段上是三分之一個像元。

法國稅務單位用 IGN 航拍跑這個。它的 Foncier innovant 試點對 2022 年九個省的 20,356 個泳池課稅，金額 980 萬歐元，2023 年全國跑一次，又找到 150,000 個該課稅卻漏列的泳池。每一個最後都還是發函給屋主。

方法 1：拿別人已經畫好的泳池

OpenStreetMap 有 3,036,801 個標 leisure=swimming_pool 的物件，其中 2,731,704 個是帶真實幾何的 ways，這是 2026 年 9 月 3 日 taginfo 的數字。

Open QuickOSM and query

Vector > QuickOSM > QuickOSM…, which queries the Overpass API. Key leisure, value swimming_pool, on the canvas extent or a named administrative area.

Keep polygons, filter to gardens

A pool mapped as a node has no area, so take the polygon layer. 1,808,809 of these pools also carry access=private, the filter for backyard pools.

leisure=swimming_area 是另一種物件：湖裡或海邊指定的游泳區。

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.

**適合時機：**你要的是公共和商業泳池。

**不適合時機：**工作是要找出沒人申報的。

方法 2：在 raster calculator 對藍色設門檻

這是 QGIS 核心最接近的做法。打開 Raster > Raster Calculator…，波段寫法是 layer_name@band_number。在 RGB 正射影像上，下面這組會留下又亮又藍的像元：

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

這組數字是我在 20 cm 正射影像上調的。取二十個泳池像元和二十個屋頂像元，自己再移動。

用 Raster > Conversion > Polygonize (Raster to Vector) 轉成向量，再用 native:extractbyexpression 篩選：面積用 $area > 6 AND $area < 400，形狀用我自己的比值 4 * pi() * $area / ($perimeter ^ 2) > 0.5，因為 QGIS 沒有內建的緊湊度函數。

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 值會跟著太陽角度和曝光跑，在一條航線調好的門檻，換一條就破功。色相和飽和度撐得比較久，用 Processing Toolbox 的 i.rgb.his，它「transforms raster maps from RGB (Red-Green-Blue) color space to HIS (Hue-Intensity-Saturation) color space」。

兩種規則都不知道那個藍色東西是什麼。

**陰影。**背陰的屋頂斜面看起來深藍。提高下限，樹下的泳池就沒了。
**藍色屋頂和帆布。**又亮又藍，形狀還常常剛好。
**深色池底和發綠的池水。**黑色池底看起來像柏油，長藻看起來像草地。我的規則兩個都漏掉。
**加蓋的泳池。**根本不在影像裡。

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.

**適合時機：**同一張正射影像，你會人工檢查。

**不適合時機：**多條航線拼起來的鑲嵌影像。

方法 3：有波段就用水體指數

水幾乎完全吸收近紅外，所以在 NIR 波段裡水是黑的，藍色屋頂還是亮的。

NDWI，McFeeters 1996：(Green - NIR) / (Green + NIR)。在 Sentinel-2 上是 (B3 - B8) / (B3 + B8)。
MNDWI，Xu 2006：(Green - SWIR) / (Green + SWIR)。在 Sentinel-2 上是 (B3 - B11) / (B3 + B11)。把 NIR 換成 SWIR 可以壓住建築地，在郊區這點很關鍵。

大於零取出來，轉向量，照方法 2 篩選。Rodríguez-Cuenca 和 Alonso 在 2014 年為這個工作調過一個正規化泳池差異指數。

Sentinel-2 的 B3 和 B8 是 10 m，B11 是 20 m，所以 30 m² 的泳池永遠分不出花園。對住宅街區跑 MNDWI，只會回傳城邊的水庫，其他什麼都沒有。

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.

**適合時機：**正射影像在 50 cm 或更細且有 NIR 波段。它直接打敗色彩門檻。

**不適合時機：**只有三波段 RGB，或用 Sentinel-2 找庭院泳池。

方法 4：在自己的影像上訓練分類器

分類器從你畫的範例學泳池像元，所以固定門檻會破功的鑲嵌影像，它撐得住。

Luca Congedo 的 Semi-Automatic Classification Plugin 是常用選擇。在 SCP dock 裡建訓練輸入（.scpx），畫 ROI，再到主視窗跑 SCP > Band processing > Classification。六種演算法，從 Minimum Distance 到 Random Forest。9.0.4 版在 2026 年 7 月 11 日發布，但它宣告 QGIS 最低版本是 3.99，所以 QGIS 3.x 還是裝 8.5.0。

Nicolas Karasiak 的 dzetsaka 5.0.11 比較輕：十一種分類器，它的 Gaussian Mixture Model 不用 scikit-learn 也能跑。

藍色屋頂類和陰影類也要畫。分類器只會排除你給它看過的東西。

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.

**適合時機：**多航線或多季節，工作流程會重複用。

**不適合時機：**一張正射影像、跑一次。兩個都是分像元，不是分物件，所以還是要轉向量再篩選。

方法 5：分割模型

分割模型讀形狀和上下文，所以同樣顏色的泳池和帆布分得開。我們自己做的就是這一種，AI Segmentation。這一節講的是我們自己的工具。

Install and sign in

Plugin manager, QGIS 3.22 or later. No GPU, no model weights. An account, a free allowance, then 39 euros a month excluding VAT.

Draw a zone, type the word, filter

Type swimming pool and run. Polygons come back in the project CRS with area, perimeter and a confidence score. Sort, then delete what is wrong.

我們調參表裡的兩個數字，執行時讀到。泳池一次約要 0.13 m 像元、圖磚邊長最多 300 m，粗過這個，泳池會糊進露台裡。swimming pool 的檢查從 0.20 信心開，對 building 是 0.30，因為泳池遮罩的分數本來就比屋頂低。

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.

一個限制：加蓋的泳池到不了模型，所以一定漏。兩種雲端模式都會把影像送到我們在歐盟的伺服器。

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.

同樣做這件事的還有四家，都是 2026 年 9 月 3 日讀的。

工具	安裝什麼	GPU	帳號	影像是否離開你的電腦	泳池支援	費用
Deepness	plugin 管理器、它的 Python 套件、一個 ONNX 模型	可選，CPU 能跑	不用	不用	看你給什麼模型	免費
Geo-SAM	plugin 管理器、相依套件、模型權重	可選	不用	不用	一次點選或框選一個物件	免費
samgeo	一個 Python 套件，沒有 QGIS 面板	建議有	不用	不用	可寫腳本，沒有泳池類別	免費
Mapflow	plugin 管理器	不用	要	要	專用 Swimming pools 模型，隨選提供	點數，付費
AI Segmentation（我們的）	plugin 管理器	不用	要	兩種雲端模式要，地端模型不用	輸入 `swimming pool`	免費額度，之後每月 39 歐元未稅

**適合時機：**泳池多到你不想手工描。

**不適合時機：**影像不能離開你的電腦。用 Deepness 或 Geo-SAM。

五種方法並排

你有什麼	方法
圖資完整的城鎮，公共泳池就夠	方法 1，QuickOSM
一張優於 30 cm 的 RGB 正射影像	方法 2，色彩門檻再篩選
帶 NIR 波段的正射影像	方法 3，NDWI
Sentinel-2 或任何 10 m 影像	庭院泳池都不行。去找更細的影像
多航線、會重複用的流程	方法 4，SCP 或 dzetsaka
幾百個泳池，不想清假陽性	方法 5，分割模型

結論

先看解析度，再看波段，最後看你能吞多少人工檢查。

30 m² 的泳池在 10 m 分辨率下永遠分不出花園，所以不管跑什麼指數，Sentinel-2 都不是找庭院泳池的感測器。

色彩門檻會把街區上所有藍色的東西都撿回來，所以看結果之前，先按面積和緊湊度篩選。

加蓋的泳池不在影像裡，所以這頁的方法都找不到，什麼價格都改變不了。

偵測結果是候選。無論跑哪一種，動 layer 之前，先打開信心最低的十個多邊形看過。

Try it free in QGIS, no card needed

常見問題

QGIS 自己能偵測泳池嗎？

沒有這個功能。QGIS 核心給的是 raster calculator、轉向量和向量篩選，也就是方法 2。要把泳池認成物件，需要 plugin。

Sentinel-2 影像找得到庭院泳池嗎？

找不到。綠光和近紅外是 10 m 波段，短波紅外是 20 m，30 m² 的泳池只有三分之一個像元。用 30 cm 或更細的航拍。

藍色屋頂為什麼一直被當成泳池？

漆過的金屬屋頂比池水更亮更藍，而色彩規則只認顏色。按面積和緊湊度篩選，改用 NDWI，或用模型。

從航拍偵測泳池合法嗎？

把偵測結果接到地籍和屋主姓名，就變成個人資料，在歐盟要有 GDPR 的合法依據。稅務機關有寫進法律的依據，一般公司通常沒有，串接之前先問資料保護長，模型的輸出也絕不能是開帳單前的最後一步。

精度可以期待多少？

單一數字一定是假的，跟你的影像和季節走。20 cm 的露天泳池回來得不錯，加蓋的這裡全部漏掉，藍色屋頂就是你要手工刪的。

篩選的完整步驟，看 QGIS 建築輪廓偵測。遮罩後面的清理，看 QGIS 柵格轉向量。其餘的在 QGIS AI hub。

延伸閱讀QGIS AI Segmentation 完整教學