基于深度学习的耕地新增建房监测研究

林晓萍

（1.福建省基础地理信息中心，福建 福州 350003）

耕地是我国非常宝贵的资源，一些地方农村未经批准违法乱占耕地建房，已威胁到国家粮食安全[1]，因此有必要对乱占、多占耕地建房的违法行为进行有效监测，为耕地保护日常执法监管提供技术支撑和信息化服务。遥感影像可直观反映地物的分布和信息，具有多传感器、多时相、多分辨率等特点，已成为人类了解自身活动对地球环境影响的重要信息来源[2-3]。近年来，我国卫星遥感技术发展迅速，国产卫星遥感影像种类和数量更加丰富，为我国自然资源变化动态监测提供了极大便利。

为了更好地满足自然资源管理业务需求，福建省采用卫星遥感监测技术开展了农村乱占耕地建房动态监测工作。截至目前，该项工作仍主要采用传统的目视解译方法，通过人工逐屏判读前后时相影像发现变化的区域，工作效率低，已无法满足监测需求。因此，亟需采用先进的遥感影像自动分类方法实现变化图斑的快速监测。近年来，深度学习技术发展迅猛，已成功应用于图像识别和大数据分析等领域，并逐渐引入遥感领域[4]。目前，深度学习技术在遥感领域大多还处于理论与算法研究阶段，在实际工程项目中的应用较少。本文针对福建省乱占耕地建房监测的迫切需求，尝试利用深度学习技术进行应用探索，以期减少监测过程中人力投入、提高监测工作效率。

1 深度学习技术

深度学习技术是指计算机根据一套通用规则自动学习数据从输入到输出的最优特征表示的方法。……