基于高分辨率遥感和多源数据融合的耕地边界精准提取方法研究

摘要

耕地边界精准提取是自然资源管理与粮食安全评估的关键技术。针对传统方法在复杂地形中精度不足的问题，提出基于高分辨率遥感与多源数据融合的耕地边界提取方法。通过PCA/ICA联合降维消除数据冗余，构建“深度学习初步分割—多源特征边界优化—形态学后处理”技术链路，提升复杂场景下的边界连续性与定位精度。实验选取江苏平原、云南山地、黑龙江黑土区验证，结果表明：融合多源数据后，模型平均IoU达0.92,较单一深度学习模型提升6.9%-9.5%,边界误差从8.7m降至3.2m以下，Kappa系数超0.85,显著优于随机森林、阈值分割等传统方法。研究构建的多源数据融合框架与优化技术为耕地动态监测提供了高效解决方案。

关键词

高分辨率遥感 / 多源数据融合 / 耕地边界提取