La construction de terres agricoles à haute norme est une mesure clé pour améliorer la capacité de production alimentaire en Chine et garantir la sécurité alimentaire. Parmi elles, les routes rurales (terres agricoles à haute norme) telles que les chemins de champ et les routes de production sont l'un des éléments centraux de l'infrastructure des terres agricoles à haute norme. La manière d'extraire rapidement et précisément les routes rurales à l'aide d'images satellitaires à haute résolution est d'une grande importance pour la surveillance et la gestion de la construction de terres agricoles à haute norme. Ces dernières années, les méthodes d'apprentissage profond pour l'extraction des routes urbaines et les ensembles de données de référence ont connu un développement rapide, mais en raison de la grande différence de distribution entre les routes urbaines et rurales, les modèles entraînés pour l'extraction des routes urbaines sont difficiles à appliquer directement à l'extraction des routes rurales. Cet article, basé sur des données d'images satellitaires à haute résolution, a systématiquement construit le premier ensemble de données de référence pour l'extraction des routes rurales (terres agricoles à haute norme) à partir d'images satellites à haute résolution (WHU-RuR). Cet ensemble de données est actuellement la plus grande base de données open source en termes de couverture des terres agricoles, du plus grand nombre de catégories de routes rurales, du fond rural le plus complexe et du volume de données, avec les caractéristiques suivantes : couvrant sept provinces typiques en Chine (Hubei, Hunan, Shaanxi, Sichuan, Anhui, Henan et Hebei) dans le nord, le centre, l'est, le nord-ouest et le sud-ouest ; comprenant un total de 25922 paires d'images satellitaires à haute résolution et d'échantillons de routes (résolution spatiale de 0,3 m, taille spatiale de 1024×1024 pixels) pour les ensembles d'entraînement et de test. Par ailleurs, pour vérifier l'utilisabilité de l'ensemble de données WHU-RuR, cet article teste et analyse de manière exhaustive l'efficacité des méthodes de pointe d'apprentissage profond pour l'extraction des routes rurales. Les expériences montrent que l'ensemble de données WHU-RuR répond fondamentalement aux besoins d'extraction des routes rurales et présente un potentiel d'application important dans le domaine de la surveillance et de la gestion des terres agricoles à haute norme. Lien vers l'ensemble de données : https://doi.org/10.57760/sciencedb.09181.

extraction des routes rurales; terres agricoles à haute norme; imagerie satellitaire à haute résolution; ensemble de données de référence en télédétection; apprentissage profond