城市功能区对于表征城市空间格局和社会经济属性以及监测城市化进程至关重要。基于高分遥感影像和众源地理数据的城市功能区提取与分析已成为主流趋势，但大尺度、精细化的城市功能区制图结果仍然缺乏。现有的方法通常依赖于特定的空间单元，且缺乏多模态数据的有效融合方法，极大限制了功能区的制图质量。针对此，本研究以高分遥感影像为空间本底数据，构建Transformer多尺度语义分割网络模型提取城市功能深度特征，通过多尺度分割方法生成精细尺度功能区空间单元；融合影像特征和POI等众源数据反映的社会经济属性信息，进行耦合分析，实现大范围、精细尺度城市功能区自动提取。在北京和上海进行实验，分别获得了90.3%和85.9%的总体精度。在此基础上，开展了国内81个城市高分辨城市功能区制图研究。本研究可满足城市可持续发展等国家战略对大范围、精细尺度城市功能结构建设现状和发展动态数据的需求。

多模态；城市功能；多尺度；空间感知