第七届青年地学论坛

农业塑料大棚、地膜等的广泛使用，在增加作物产量、提高农民收入等方面具有重要作用。然而农业塑料覆被也会引起土壤酸化、盐碱化等土地退化现象。本报告从主动学习策略和深度学习模型出发，基于遥感影像分类实现大范围、长时序的大棚、地膜等农业塑料覆被的提取，生成2019年全国农业塑料大棚分布专题图，为耕地质量保护等应用提供数据支撑。其中在农业塑料大棚提取方面，依托Google Earth Engine（GEE）云计算平台、Sentinel-2影像和随机森林模型，同时基于朴素主动学习策略和分区建模思想，生成2019年全国农业塑料大棚空间分布专题数据，该数据集的平均分类精度为87.45%，能够正确反映农业塑料大棚在全国的空间分布情况。在大棚和地膜的精准识别方面，提出了一个基于扩张卷积和非局部特征的深度学习分类模型。具体而言，该模型构建了一个多尺度扩张卷积模块，以增强模型对于地物尺度变异的适应性；同时引入非局部特征提取模块进一步提高模型对于全局特征的提取和表达能力，从而可以捕捉遥感影像中的上下文关系，进一步提高大棚和地膜的分类精度。试验结果表明，本文方法取得了较高的分类精度（OA=89.6%），能够实现大棚和地膜的精准识别。

主动学习,深度学习,遥感,农业塑料覆被