福州大学数字中国研究院（福建）教师李蒙蒙、汪小钦研究团队在摄影测量与遥感领域顶级期刊《ISPRS Journal of Photogrammetry and Remote Sensing》（中科院一区Top，影响因子：11.774）上发表“基于遥感影像的耕地地块自动提取”（Using a semantic edge-aware multi-task neural network to delineate agricultural parcels from remote sensing images）研究成果，主要合作者包括研究院硕士生龙江和荷兰特文特大学ITC学院Alfred Stein教授。研究工作获得国家自然科学基金、福建省科技厅项目资助。

精细精准的耕地地块信息是开展农业种植资源普查和农业数字化管理的基础空间数据。不同农业种植区域的耕地地块形态差异较大，特别是南方丘陵地区，地块存在结构破碎、形状复杂、大小不一的特点，使得现有的遥感提取方法存在提取精度低、边界吻合度差、适用性弱的问题。该研究基于多任务学习框架，构建了一个融合深度边缘特征的多任务神经网络模型SEANet，利用多层级的地块几何边界信息约束影像语义特征的学习，显著提高了耕地地块提取的属性和几何精度；通过边界规则化操作，有效去除细小、破碎的边界，实现完整闭合的地块边界提取效果，并可矢量化输出。该模型在多个高分辨率和中等分辨率影像数据集中获得了前沿性能（state-of-the-art），并展现出优秀的迁移特性。

该研究工作的其他成果发表在《International Journal of Applied Earth Observations and Geoinformation》期刊（中科院一区Top，影响因子：7.672），“Delineation of agricultural fields using multi-task BsiNet from high-resolution satellite images”（2022），该工作提出了一个轻量级的耕地地块提取神经网络模型BsiNet。

论文成果链接：

https://doi.org/10.1016/j.isprsjprs.2023.04.019 （ISPRS Journal）

https://doi.org/10.1016/j.jag.2022.102871 （JAG Journal）

程序代码链接：

https://github.com/long123524/SEANet_torch （ISPRS Journal）

https://github.com/long123524/BsiNet-torch （JAG Journal）