基于时空深度学习的破碎化耕地遥感提取方法

本发明公开一种基于时空深度学习的破碎化耕地遥感提取方法，包括以下步骤：第1步：数据准备：选择高空间分辨率遥感影像，并结合不同时间、季节的多时相数据，以捕捉耕地在不同生长周期和环境条件下的时空变化；第2步：模型构建：构建融合ConvNeXt与U‑Net架构的深度学习模型，即ConvNeXt‑U模型；第3步：模型训练；第四步：破碎化耕地提取；第五步：结果分析与输出。本发明通过多维度技术创新，在破碎化耕地遥感监测领域实现了显著的性能突破与应用价值提升，具体体现为以下三方面：1.高精度与鲁棒性提升；2.计算效率与泛化能力优化；3.动态演变解析与决策支持能力。