耕地は農業の持続可能な発展を保証する基盤であり、耕地の非農地化行動を迅速かつ正確に監視することは、食料生産と安全に重要な意義を持つ。耕地の無秩序な非農地建設行為を正確に監視するために、本研究では高解像度リモートセンシング画像を用いた耕地非農地化行動分割の新たな手法である深層学習モデルDHRformer（Dilation-enhanced High-Resolution former）を提案する。本モデルは高解像度ネットワークと二重分岐デコーダ構造で構成されており、多スケール融合と拡張戦略によって非農建築の特徴情報を強化し、より豊かな非農建築の詳細情報を獲得する。まず、多時期リモートセンシングデータに基づいて、サブメートル級の潜在的非農地化領域の建物サンプルデータセットを構築した。次に、本研究で設計した耕地非農地化行動監視深層学習モデル（DHRformer）を用いて、潜在的非農地化領域内の建物を抽出した。最後に、懐化市鶴城区の山間部耕地を研究対象とし、高解像度リモートセンシング画像に基づいて本モデルの検証実験を行った。結果は、本研究で改良したアルゴリズムのMIoU、mAccおよびF1スコアがSegformerネットワークと比較して、それぞれ2.53%、2.68%、3.05%向上したことを示している。したがって、本手法は耕地の非農地化行為監視に技術的参考を提供し、複雑な非農地化行為に理論的支援を与えることができる。

耕地非農地化; 建物リモートセンシングモニタリング; 高解像度ネットワーク; 二重分岐構造; エンコーダーデコーダー; 高解像度画像