基于多模式融合与首拐点约束的矿区精细土地识别方法

本发明公开了一种基于多模式融合与首拐点约束的矿区精细土地识别方法，方法步骤如下：步骤A，下载研究区卫星遥感影像，构建露天矿区空间范围样本数据集，训练DeepLabv3+深度学习模型，预测并圈定研究期内矿区的最大空间范围；步骤B，获取矿区土地利用变化数据，基于土地利用类型转移关系，构建时序变化模式，并划分为损毁区、复垦区、复垦退化区、建筑压占区和水体压占区五类；步骤C，制备矿区精细土地利用样本数据集，建立多模式融合与首拐点约束神经网络模型(MFFIC‑Net)，训练后用于识别矿区年度精细土地利用类型，并精准追踪各类型的首次转变时间信息。与现有技术相比，本发明进一步精细化矿区土地利用分类，提出的MFFIC‑Net模型融合了长短期记忆与反馈机制，实现土地利用类型与首次变化时间的精准识别。反馈机制使模型能够自我调整预测结果，提高精度和稳定性，而多模式融合增强了其对复杂矿区环境的适应性。本发明提供了一种更精细化、更具实用性的矿区土地利用识别方法，可有效识别损毁区、复垦区及压占区等关键区域，为生态恢复与土地管理提供重要技术支撑。