RSIDEA研究组围绕高分辨率遥感耕地“非农化”变化检测问题，在摄影测量与领域顶刊ISPRS Journal of Photogrammetry and Remote Sensing发表题为“Identifying cropland non-agriculturalization with high representational consistency from bi-temporal high-resolution remote sensing images: From benchmark datasets to real-world application”的学术论文。实验室博士生孙振东为第一作者，钟燕飞教授为通讯作者，王心宇副研究员与张良培教授为共同作者。

1、高分辨率遥感耕地“非农化”变化检测数据集（Hi-CNA）

耕地“非农化”是指在耕地区域从事与农业生产无关的活动，及时监测耕地的“非农化”对于我国耕地保护与粮食安全意义重大。针对高分辨率遥感“非农化”变化检测基准数据集匮乏问题，我们以国产高分2号卫星为数据源，构建了一套高分辨率遥感“非农化”变化检测数据集Hi-CNA （High-resolution Cropland Non-agriculturalization dataset）。该数据集共包含6797对双时相高分辨率遥感影像以及“非农化”变化标注，影像切片大小为512×512，空间分辨率为0.8m，包含蓝、绿、红、近红外4个波段。

耕地“非农化”变化标注标准主要参照国务院办公厅印发《关于坚决制止耕地“非农化”行为的通知》以及自然资源部遥感卫星执法相关文件。变化类型包含耕地→建设用地、耕地→水体、耕地→林园草地、耕地→农业基础设施等多类型变化。主要研究区域覆盖了河北、陕西、山东、湖北4个省份，涵盖了不同种植结构与不同季节的耕地。Hi-CNA数据集的部分影像与标注信息如图1所示，其主要特点如下：

1、数据源为国产高分数据，包含了蓝、绿、红、近红外4个波段

2、同时标注了耕地的语义类别与变化信息

3、耕地“非农化”变化与未变化的比例平衡

4、考虑了多种季节时间组合，保证了负类中“物候变化”的多样性

图1 Hi-CNA数据集部分耕地场景与标注

2、表征一致性增强的“非农化”变化检测方法

耕地“非农化”监测主要存在耕地类内辐射差异大、前背景地物特征混淆两大难点问题。为此，本文提出了“非农化”检测网络模型CNANet，通过耕地特征与背景特征间的差异对比学习，促使耕地特征在空间上更加聚集，提升耕地与非耕地特征的可分性。具体框架如图2所示。

图2 CNANet整体框架图

相比于现有先进变化检测方法，CNANet通过对耕地与背景特征的差异对比运算，可有效增强模型对不同场景耕地的感知能力，其检测精度如表1所示。

表1 CNANet与其他变化检测方法在Hi-CAN上的精度对比

3、数据集链接

Hi-CNA数据集下载方式包括百度网盘和Google云盘，在下载之前请填写一个简单的问卷，方便我们了解数据集的使用情况。

数据集主页：http://rsidea.whu.edu.cn/Hi-CNA_dataset.htm

参考文献：

Sun Z, Zhong Y, Wang X, et al. Identifying cropland non-agriculturalization with high representational consistency from bi-temporal high-resolution remote sensing images: From benchmark datasets to real-world application[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2024, 212: 454-474.

版权

本数据集版权为武汉大学智能化遥感数据提取分析与应用研究组（RSIDEA）所有，仅限学术使用，禁止二次开发（即二次标注等）以及商业用途。

联系方式

如果您在使用Hi-CNA数据集时有任何问题或反馈，请联系：

孙振东 博士生: sunzhendong@whu.edu.cn

王心宇 副研究员：wangxinyu@whu.edu.cn

钟燕飞 教授: zhongyanfei@whu.edu.cn

供稿：孙振东    排版：柯天    审核：吴娇、王心宇