基于面向对象法与U-Net模型的广东省云浮市云城区耕地后备资源遥感提取

摘要

【目的】提升耕地后备资源信息提取的效率与精度，满足现代农业发展对土地资源动态监测的需求。【方法】以广东省云浮市云城区为研究区域，提出一种融合面向对象规则构建与深度学习的耕地后备资源信息提取方法。利用高分6号高分辨率卫星影像开展多尺度图像分割，结合逐步剔除法构建地类识别规则，提取典型地类样本。随后，基于规则样本构建U-Net深度学习模型的训练标签数据集，完成耕地后备资源提取与分类。【结果】针对云城区的最佳分割尺度为300，在该尺度下，同类地物可以被有效分割，草地与裸地边界划分清晰。本研究方法在研究区的总体精确率达87.3%，平均交并比和F1分数分别达到75.4%和86.7%，能够实现复杂地物边界的精准提取。基于改进U-Net的深度学习方法能够有效减少误分类现象，特别是在边界模糊区域和混合像元区域，相较于传统面向对象方法，精确率提高了约5个百分点。【结论】本研究构建的遥感智能提取方法兼具高精度与时效性，能够为地方土地利用规划、耕地资源管理及生态保护提供有力支撑，具有良好的推广应用前景。

关键词

遥感 / 耕地后备资源 / 面向对象 / 多尺度分割 / 规则集 / 深度学习