石漠化是我国三大自然生态灾害之一,受自然和人类不合理的经济生产、生活活动等因素导致的地域性劣变,使得原有的、可利用的土地资源大幅度减少,水资源遭到污染,生物资源的生存条件丧失。近年来,国家高度重视生态文明建设,石漠化也是制约西南地区社会经济发展最为严重的生态问题,为了遏制石漠化面积扩大,国家开展系列石漠化综合治理工程,并针对治理成效进行了监测评估。传统的石漠化监测方法有目视解译、监督分类、基于知识的模型构建以及基于特征信息的提取等。遥感技术因其具有获取信息速度快、探测范围广、信息量大等特点,作为及时准确获取地理信息的一个重要手段,已成为石漠化动态监测及调查的主要方法。传统的小区域的石漠化调查主要通过遥感影像提取相关的石漠化信息,但因遥感影像的质量、分辨率、信息提取的方法等因素受限,该方法提取结果的精度存在很大的不确定性。深度学习方法作为新兴发展起来的一种机器学习方法,已被广泛用于图像识别,该方法将传统地物分类方法转向深度学习,从而完成高分影像的地物分类。裸岩率作为石漠化等级评定的一个重要指标,对其科学快速地运算,是石漠化等级划分和石漠化地区信息提取的基础。石漠化地区岩石大小不一,且颜色与道路、裸土接近,可通过自主设置无人机飞行高度获取更清晰的航拍影像,无人机低空遥感系统可以符合实际需求,对西南石漠化、多云雾地区遥感影像资料的获取有较好的帮助,且无人机具有全天候、高分辨率、航拍费用低、获取数据快,体积小、操作灵活等特点,可以对小范围的石漠化区域进行调查研究;高分2号卫星影像具有高精度、高辐射的特点,且具有光谱信息,既丰富的纹理特征信息,所以,基于高分2号卫星影像对天然林与人工林的分类具有可行性。本文以无人机航拍数据和高分2号影像为主要数据源,首次采用深度学习模型对岩溶石漠化区域进行裸岩率及天然林与人工林的分类提取。分类结果表明,裸岩率提取的分类总精度为89.33%,kappa系数为0.82;天然林与人工林分类的总精度为89.22%,kappa系数为0.83。相对传统的裸岩率、天然林与人工林分类提取方法,深度学习方法结合无人机及高分遥感数据,其提取精度高,时效性强,该方法可有效解决岩溶石漠化信息提取问题。