鱼鳞坑是黄土高原地区典型的小型水土保持工程措施，具备蓄水保墒、拦截径流和改善生态环境等多重功能。针对其目标尺度小、形态复杂、分布不均等特点而导致的卫星遥感影像识别难题，本文提出一种融合光谱与地形特征的深度学习提取方法。基于无人机获取的高分辨率多光谱影像与数字高程模型，构建了10种光谱与地形通道组合，系统评估了不同通道数据组合输入下，U-Net、DeepLabv3+、SegNet、FCN模型的提取效果。其次，引入岭回归方法定量分析各通道的重要性，筛选出最优轻量组合RGB + Slope，在保持精度的同时显著降低了输入维度与计算负担。在模型结构方面，本文以U-Net为基础，融合金字塔压缩注意力模块（Pyramid Squeeze Attention Module, PSAM）与多级特征注意力上采样模块（Multi-scale Feature Attention Upsampling Module, MFAU），增强模型对鱼鳞坑边缘与空间结构的感知能力，并设计多组消融实验验证改进效果。结果表明，在最优通道组合数据输入下，改进模型在测试区IoU提升2.47%，F1-score提升1.34%，Recall提升2.72%，Precision提升1.02%，表现出良好的提取精度与区域泛化能力。研究成果为鱼鳞坑等微地形构筑物的高精度遥感提取提供了技术支撑，也为多源信息融合与轻量化模型构建提供理论参考。

鱼鳞坑提取；深度学习；光谱-地形融合；无人机影像；U-Net改进；注意力机制