경작지는 농업 지속 가능성의 기본이며, 경작지의 비농업화 행위를 빠르고 정확하게 감지하는 것은 식량 생산과 안전에 중요한 의의를 가진다. 불법 비농업 건축 행위를 정확히 감지하기 위해, 본 논문에서는 고해상도 원격탐사 이미지 기반 경작지 비농업화 행위 분할을 위한 새로운 딥러닝 모델 DHRformer(Dilation-enhanced High-Resolution former)를 제안한다. 이 모델은 고해상도 네트워크와 이중 분기 디코더 구조로 구성되며, 다중 스케일 융합 및 확장 전략을 통해 비농업 건축물의 특징 정보를 강화하여 더 풍부한 세부 정보를 획득한다. 먼저 다시상의 원격탐사 데이터를 기반으로 잠재적 비농업 구역의 건물 샘플 데이터셋을 아미터 수준으로 구축하였다. 이후 본 논문에서 설계한 모델 DHRformer를 사용하여 잠재적 비농업 구역 내 건물을 추출하였다. 마지막으로 후이화시 허청구 산지 경작지를 연구 대상으로 고해상도 원격탐사 영상을 기반으로 모델 검증 실험을 수행하였다. 결과는 본 논문에서 개선된 알고리즘의 MIoU, mAcc 및 F1 점수가 Segformer 네트워크 대비 각각 2.53%, 2.68%, 3.05% 향상되었음을 보여준다. 따라서 제안된 방법은 경작지 비농업화 행위 모니터링에 기술적 참조를 제공하고 복잡한 비농업화 행위에 이론적 지지를 제공할 수 있다.

경작지 비농업화; 건물 원격탐사 모니터링; 고해상도 네트워크; 이중 분기 구조; 인코더-디코더; 고해상도 영상