Ackerland ist die Grundlage für die nachhaltige Entwicklung der Landwirtschaft. Eine schnelle und präzise Überwachung des Phänomens der Nichtlandwirtschaftsnutzung von Ackerland ist von großer Bedeutung für die Nahrungsmittelproduktion und -sicherheit. Zur genauen Überwachung von unbefugtem Bau auf Ackerland schlägt dieser Artikel eine neue Methode zur Segmentierung des Nichtlandwirtschaftsverhaltens auf Basis hochauflösender Fernerkundungsbilder vor, nämlich das tiefenlernende Modell DHRformer (Dilation-enhanced High-Resolution former). Das Modell besteht aus einem hochauflösenden Netzwerk und einer zweigleisigen Dekodierstruktur, die mithilfe von Multiskalenfusion und Dilatationsstrategien die Merkmalinformationen von nichtlandwirtschaftlichen Gebäuden verstärkt und dadurch reichhaltigere Details erfasst. Zunächst wurde auf der Grundlage multitemporaler Fernerkundungsdaten ein Unter-Meter-Bauproben-Datensatz potenzieller Nichtlandwirtschaftsbereiche erstellt; anschließend wurde mit dem in diesem Artikel entwickelten DHRformer-Modell die Extraktion von Gebäuden in diesen potenziellen Bereichen durchgeführt. Schließlich wurde das Modell anhand von hochauflösenden Fernerkundungsbildern für bergiges Ackerland im Stadtteil Hecheng der Stadt Huaihua validiert. Die Ergebnisse zeigen, dass der verbesserte Algorithmus hinsichtlich MIoU, mAcc und F1-Wert besser abschnitt und im Vergleich zum Segformer-Netzwerk eine Steigerung von 2,53 %, 2,68 % bzw. 3,05 % erzielte. Daher kann die vorgeschlagene Methode als technische Referenz für die Überwachung des Nichtlandwirtschaftsverhaltens von Ackerland und als theoretische Unterstützung für komplexe Nichtlandwirtschaftsprozesse dienen.

Nichtlandwirtschaftsnutzung von Ackerland; Fernerkundungsüberwachung von Gebäuden; hochauflösendes Netzwerk; zweigleisige Struktur; Encoder-Decoder; hochauflösende Bilder