土地利用现状反映了全球气候和人类活动的共同作用结果，在土地规划、资源管理以及生态环境保护等可持续发展研究中具有实际应用价值。地球观测和遥感技术的快速发展使得获取海量的高分辨率遥感影像数据成为现实，同时给大范围、精细化的土地利用制图研究提供了机遇和挑战。当传统的机器学习算法难以通过人工提取有效特征为每个像素映射正确的预定义土地类型时，深度学习技术凭借着对非线性特征的强大刻画能力在遥感影像处理领域展现了广阔的应用前景，并逐渐应用于土地利用制图任务。然而，基于深度学习的分类模型在网络结构方面仍存在一定的局限性，并且其有效性往往依赖于大量的标记数据，而像素级的标签注释工作需要消耗巨大的时间和人力成本。为此，本文旨在深入调查和理解高分辨率遥感影像中土地利用类型特征的基础上，根据其呈现的有监督、半监督以及无监督等不同数据场景分别合理引入新的深度学习方法以实现数据高效的土地利用制图成果，最终为后续重点研究区域提供高精度的地理参考。

遥感,土地利用制图,深度学习