基于高分辨率遥感影像的耕地提取方法研究

摘要

为迅速、精确地提取耕地信息，借助高分辨率遥感影像与计算机视觉技术，采用传统机器学习方法、经典深度学习方法(FCN、PSPNet、DeepLabV3+)和结合注意力机制的深度学习方法(MCDeepLabV3+),对杭州市余杭区耕地进行识别与提取，并结合实际测量数据进行精度验证.经过对比分析，深度学习方法准确率均超过90%,显著高于传统机器学习方法.特别是MCDeepLabV3+方法，其准确率为94.93%,在识别细碎田块的边界上具有显著效果.结果证实，结合注意力机制的深度学习方法能在耕地分布细碎的地区实现高精度提取，为合理配置土地资源、提高农业生产效率提供了有力支持.

关键词

耕地 / 高分辨率遥感影像 / 深度学习 / 注意力机制

基金资助

国家自然科学基金项目(41671437); 浙江省“三农九方”科技协作计划项目(2024SNJF032)