景观是由一系列不同的土地单元或生态系统镶嵌构成的地理实体,具有明显视觉特征。城市景观格局的变化与土地城市化紧密相关,因此景观格局变化分析是探索土地城市化进程的重要方法。伴随遥感技术的发展,获取的高分辨率遥感影像日渐丰富,使遥感影像成为景观格局变化分析的重要数据来源,遥感影像景观分类则成为了景观变化分析非常重要的一步。但原始的遥感影像数据由于信息复杂、噪声较多等特点不能直接使用,只有在人工提取研究需要的信息后,才能开始下一步的分析。本文研究目的是使用更加高效、准确的方法对遥感影像进行景观分类,然后根据分类结果对景观格局变化情况进行可视化分析。传统的遥感影像分类方法虽然在低分辨率、单一场景下表现良好,但在对不同拍摄条件的高分辨率影像的分类上存在较大问题。本文以像素作为基本单元,构建基于FCN的深度学习模型,进而提取遥感影像高级抽象特征,最后将构建的深度学习模型应用于景观格局变化分析中。本文主要研究内容和成果如下:(1)获取不同景观特征和拍摄条件的遥感影像,进行样本标注后,通过图像裁剪和数据增强,建立具有更广泛应用场景的遥感影像语义分割数据集。(2)使用基于FCN改进的网络模型作为遥感影像语义分割的基本框架,针对通用FCN模型在特征提取中,无法同时兼顾整体和细节特征的问题,基于UNet网络,新增加一个编码器提取不同尺度特征,以此来构建一个更强大的特征提取网络,为后续景观格局变化分析打下坚实基础。(3)利用深度学习语义分割相关网络分别基于CCF公开数据集和本文制作数据集训练出遥感影像语义分割模型。改进FCN网络在CCF数据集上达到了91%的测试平均像素准确率(MPA),相比SVM方法和其他语义分割网络,改进FCN网络在植被、建筑等的细节特征和道路的完整性上都有更好的表现;在本文数据集上改进FCN网络达到了85%的测试平均像素准确率(MPA),证明了本文建立数据集的可用性。(4)将训练好的模型应用到成都市新都区景观格局变化分析中,以分割出的不同年份景观分类图为基础,使用景观格局相关方法分析研究区景观格局在时间和空间尺度上的变化,并对景观格局的稳定性进行评价,取得了良好展示效果。