La tierra cultivable es la base para garantizar el desarrollo sostenible de la agricultura, y la monitorización rápida y precisa del comportamiento de desagrarización de la tierra cultivable es de gran importancia para la producción y seguridad alimentaria. Para monitorear con precisión la construcción no agrícola ilegal en tierras cultivables, este artículo propone un nuevo método de segmentación de comportamientos de desagrarización utilizando imágenes de teledetección de alta resolución, llamado modelo de aprendizaje profundo DHRformer (Dilation-enhanced High-Resolution former). El modelo consta de una red de alta resolución y una estructura de decodificación de doble rama, que mejora la información de características de las construcciones no agrícolas mediante la fusión multinivel y la estrategia de dilatación, obteniendo así más detalles sobre dichas construcciones. Primero, se construyó un conjunto de datos de muestras de edificios en áreas potenciales de desagrarización a escala submétrica basándose en datos multitemporales de teledetección; luego, se utilizó el modelo de monitoreo de comportamiento de desagrarización de tierras cultivables DHRformer diseñado en este artículo para extraer los edificios en dichas áreas potenciales. Finalmente, se realizó un experimento de validación del modelo basado en imágenes de teledetección de alta resolución en tierras cultivables de montaña del distrito Hecheng en la ciudad de Huaihua. Los resultados muestran que los índices MIoU, mAcc y F1 del algoritmo mejorado mejoraron, aumentando en un 2.53%, 2.68% y 3.05% respectivamente en comparación con la red Segformer. Por lo tanto, el método propuesto puede proporcionar referencia técnica para la monitorización del comportamiento de desagrarización y ofrecer soporte teórico para comportamientos complejos de desagrarización.

desagrarización de tierras cultivables; monitoreo de edificios por teledetección; red de alta resolución; estructura de doble rama; codificación-decodificación; imágenes de alta resolución