深度学习支持下的丘陵山区耕地高分辨率遥感信息分区分层提取方法.pdf

耕地是丘陵山区稀缺的土地资源,具有地形条件复杂、种植结构多样的特点,导致了山地耕地信 息难以快速、准确获取,并且基于传统的遥感数据及遥感监测方法开展山区耕地信息快速自动提取比较 困难.针对这一问题,本文以西南山区贵州省息烽县作为试验区,根据地理空间异质性特征,提出分区 控制、分层提取的耕地形态信息提取思路,构建了一种地貌单元约束条件下的分区分层耕地形态信息的 提取方法.该方法首先根据地貌Ｇ植被特征将试验区划分为平坝区、山坡区、林草区３类地理分区;然后 在每类分区基础上,根据耕地所呈现的视觉特征划分为不同的类型,对不同类型的耕地分别设计不同的 深度学习模型进行分层提取.试验结果证明,该方法对山区复杂地形背景噪声具有较好的抑制作用,所 提取的耕地地块信息相比于传统方法更符合实际耕地的实际分布形态,有效地减少了漏提率和错提率。