El espacio de producción, el espacio de vida y el espacio ecológico (PLES) se restringen e influyen cada vez más entre sí, y el conflicto de PLES urbano afecta significativamente el desarrollo sostenible de una ciudad. Este estudio extrae características multidimensionales de imágenes de teledetección de alta resolución, vectores de edificios, puntos de interés (POI) y datos de iluminación nocturna, y los aplica al reconocimiento de características de PLES urbano, dividiendo Ningbo en un espacio de producción agrícola, un espacio de producción industrial y comercial, un espacio de vida pública, un espacio de vida residencial y un espacio ecológico. El trabajo de investigación específico fue el siguiente: primero, se utilizó una red neuronal convolucional (CNN) para extraer información de escenas de gran altura de imágenes de teledetección de alta resolución; al mismo tiempo, a través del método geoestadístico, se extrajeron las características de vectores de edificios, características de POI y características de luz nocturna para expresar las características económicas y sociales de una ciudad. Luego, utilizamos el algoritmo de vecino más cercano, el algoritmo de árbol de decisión y el algoritmo de bosque aleatorio para entrenar características individuales y combinadas. Finalmente, se seleccionó el bosque aleatorio, que tuvo el mejor efecto de entrenamiento, como clasificador en la etapa de fusión; como resultado, la tasa de precisión de la predicción alcanzó el 90.79%. Los resultados experimentales mostraron que el modelo de reconocimiento, basado en datos multisource y aprendizaje automático, tuvo un buen efecto de clasificación. Finalmente, analizamos la situación actual de la distribución espacial de PLES en Ningbo.