近年来，我国城市化和产业转移进程加快，城镇工业企业搬迁或遗留的污染场地数量与日俱增，亟须开展污染场地治理与修复工作，以保障人居环境安全、国民健康和社会稳定。在污染场地治理过程中，首先需要确定场地功能区（如生产区、储存区、办公区等）的平面布置，但传统的功能区识别方法费时费力、效率低。随着遥感技术的快速发展，高空间分辨率遥感影像进入实用化阶段，且深度学习等人工智能技术在遥感影像地物分类、特征识别等应用不断深入，探索相关方法在遥感图像污染场地功能区识别的应用具有重要的实际意义。以某化学工业园区为研究对象，基于Google Earth高分辨率影像数据，利用多层感知机和卷积神经网络（Multi-Layer Perceptrons and Convolutional Neural Networks）构建功能区识别模型，进行化工类企业生产区、储存区、办公区等识别，进而提升污染场地调查的自动化、智能化水平。