第２１卷第１期２０２３年２月中国水土保持科学ＳｃｉｅｎｃｅｏｆＳｏｉｌａｎｄＷａｔｅｒＣｏｎｓｅｒｖａｔｉｏｎＶｏｌ．２１Ｎｏ．１Ｆｅｂ．２０２３基于深度学习的生产建设项目扰动图斑自动提取康芮１，邱新玲２†，马鸿财１，宋鹏宇１（１．航天宏图信息技术股份有限公司，１００１９５，北京；２．湖北商贸学院人工智能学院，４３００７０，武汉）摘要：快速获取生产建设项目扰动范围，对提高水土保持监督检查效率、控制人为水土流失具有重要意义。生产建设项目数量多且分布广，遥感技术能够及时、准确获取其空间分布。当前开展生产建设项目自动提取的研究较少，方法以面向对象分类为主，存在专业性强、区域适用性低、工程化应用难度高等问题。基于高分一号、高分六号遥感影像，分析归纳生产建设项目扰动特征，将裸地和新增建设用地确定为生产建设项目检测的特征地物，分别采用改进的ＤｅｅｐＬａｂＶ３＋模型和Ｕ－Ｎｅｔ模型，开展生产建设项目扰动图斑提取试验研究，并结合扰动图斑面积特点，设置最小识别面积。结果显示：当最小识别面积为１ｈｍ２时，ＤｅｅｐＬａｂＶ３＋模型平均数量准确率为７８.３１％，数量召回率为６１.６９％，面积准确率为８８.８２％，面积召回率为８０.６０％，整体分类效果较好，能够有效缓解样本数量不均衡的问题，更适用于生产建设项目扰动图斑自动提取。该结果可为全国大范围监管提供有效的方法。关键词：生产建设项目；深度学习；ＤｅｅｐＬａｂＶ３＋；Ｕ－Ｎｅｔ中图分类号：Ｓ１５７；ＴＰ７９文献标志码：Ａ文章编号：２０９６⁃２６７３（２０２３）０１⁃０１２８⁃１１ＤＯＩ：１０．１６８４３／ｊ．ｓｓｗｃ．２０２３．０１．０１５收稿日期：２０２１０７２１修回日期：２０２２０５１０第一作者简介：康芮（１９８９—），女，硕士。主要研究方向：遥感和地理信息系统。Ｅ⁃ｍａｉｌ：１１２３１３３９０１＠ｑｑ．ｃｏｍ†通信作者简介：邱新玲（１９９４—），女，硕士。主要研究方向：深度学习算法。Ｅ⁃ｍａｉｌ：ｑｉｕｘｉｎｌｉｎｇ＠ｈｂｃ．ｅｄｕ．ｃｎＡｕｔｏｍａｔｉｃｅｘｔｒａｃｔｉｏｎｏｆｄｉｓｔｕｒｂｅｄｐａｔｃｈｅｓｉｎｐｒｏｄｕｃｔｉｏｎａｎｄｃｏｎｓｔｒｕｃｔｉｏｎｐｒｏｊｅｃｔｓｂａｓｅｄｏｎｄｅｅｐｌｅａｒｎｉｎｇＫＡＮＧＲｕｉ１，ＱＩＵＸｉｎｌｉｎｇ２，ＭＡＨｏｎｇｃａｉ１，ＳＯＮＧＰｅｎｇｙｕ１（１．ＰＩＥＳＡＴＩｎｆｏｒｍａ...
