在城市快速发展的背景下,建设用地的开发成为了城市土地利用的主要形式,在城市空间被开发的同时,建设用地的不合理利用产生了大量的低效用地。低效用地是利用粗放、配套设施不完善、用途不合理的建设用地,大量的低效用地将对城市未来发展造成阻力。在这样的背景之下,对低效用地的更新改造成为了提升城市功能的重要途径,而在改造前,对低效用地的识别及分析是低效用地改造成功推进的必要前提,对改造后建设用地效益的提升起重要作用。目前基于遥感影像的低效用地提取研究,主要以地表特征提取为主,形状、几何、纹理特征能够提升地物提取的精度,但通过遥感数据的信息提取,仍存在获取对象社会经济属性的局限性。针对遥感数据无法获取对象社会经济属性的不足,本研究将遥感数据与开放数据相结合,其中遥感数据采用Landsat8与全色波段融合数据、夜间灯光数据和Google Maps地图数据,开放数据采用POI（Point of Interest）数据、OSM（Open Street Map）数据、百度热力图和百度路况数据。首先,采用灯光数据和多光谱数据为基础数据,对研究区的建成区进行提取并进行多尺度分割,得到图像对象;然后进行属性计算和规则建立,采用基于规则的模糊分类模型对城市不透水面进行识别。然后,在不透水面的基础上,通过距离分析、叠加分析和空间赋值,将开放数据,获取研究对象的社会经济属性及相关描述,在不透水面中提取的建设用地。最后,通过分析建立低效用地的相关标准,将已划定改造项目区作为学习样本和测试样本,对待识别样本输入构建的BP神经网络模型中进行模式识别,并以土地管理部门提供的标图建库数据和改造规划文本作为识别结果的验证参考,本研究得到结论如下:1.研究区（广州市白云区）低效建设用地识别总体精度为87.7%,低效用地数量规模为122个,总面积为40571331m2,平均地块面积为332552m2,研究区建设用地数量规模为821宗,总面积为165545747m2。从占比上看,低效用地的数量规模和面积分别占总面积的14.9%和24.5%,城镇建设用地的识别结果基本符合研究区的土地利用情况。从研究区的低效用地空间分布上看,低效用地主要分布于白云区建成区南部的沈海高速广州支线和机场高速及周边地区,除此之外,白云区白云北路、云环路、同心路段附近以及东南部的京溪地区也存在低效用地分布。2.将识别方案应用于广州市天河区,低效用地识别精度为84.9%,与研究区的识别结果基本一致,说明该识别方案具有较好的稳定性,适用于城市建成区的低效用地识别。3.根据各类用地公因子统计值分析,工业用地的公因子3（交通条件）高于公因子1（开发条件）和2（区位条件）,说明工业类用地的开发充分程度主要受到地区的交通条件影响。商业用地中公因子2最高,其次是公因子1和公因子3,说明商业类用地比工业类用地更注重区位因素。住宅用地的公因子1、2、3分别为1.124、1.0234和0.9821,各公因子之间差距较小,开发条件于三类用地中最高,说明住宅用地比其他类型用地更注重开发条件。4.根据广州市天河区低效用地的改造功能区分析可知,中央商务区的改造类型主要以改造型和提升型为主,开发成本也相对较高,对于改造强度的控制,需要同时考虑社会因素和经济因素;科教文化配套区内的旧村改造项目和旧厂房改造项目以改造型为主,旧城镇改造项目以提升型为主,该区的改造重点是以完善科研配套设施为主要目标,对旧厂房进行“退二进三”的改造,对旧村居进行局部拆除和升级;高唐高科技产业升级区主要以提升型和改造型为主,同时有小部分的清退型改造地块;文体休闲综合居住区的改造类型以改造型和清退型为主,区内的改造主要以用地类型向商服用地和住宅用地转化为主;北部生态控制区的低效用地的改造类型以清退型为主,生态控制区的改造重点是清退旧厂房和旧村庄,恢复该地区生态服务及其配套功能。