深度学习遥感影像解译技术在耕地保护中的应用

耕地保护事关国家粮食安全、生态安全和社会稳定，是国计民生的头等大事。深度学习技术在海量数据分析领域的广泛应用，为高效、精准的遥感影像解译提供了技术基础。本文研究了基于深度学习的遥感影像解译技术，利用遥感影像数据和对应的矢量数据构建了可供训练的解译样本库，并提出了一种基于深度残差网络结构的解译模型。通过试验证明了该模型的实用性，实现了对试验区域主要地类面积的变化监测，对比多期影像解译结果和增减挂钩等业务数据，验证了耕地复垦的实施情况。结果表明，深度学习遥感影像解译技术在耕地保护领域有较广泛的应用前景。