耕地非农化即违规占用耕地进行非农建设，实质为耕地利用类型发生改变。耕地作为我国宝贵的资源之一，是粮食生产的根基，是保障我国粮食安全的根本[1]。近年来，由于我国经济快速发展及城镇化进程加快，耕地非农化行为时有发生，甚至部分地区耕地非农化行为不断增多，严重威胁了我国的粮食安全[2-3]。因此，及时准确监测耕地非农化行为，采取有力的措施加强耕地保护，有利于严守耕地红线，保障经济社会的可持续发展。

高分辨遥感影像具有空间分辨高、重返周期短、覆盖范围大、纹理特征丰富等特点，已广泛应用于自然资源监测，为及时准确获取耕地变化信息提供了有力的数据支持[4]。目前，针对高频率、大范围的耕地非农化行为监测主要分为两类，一是传统的方法，二是深度学习的方法。传统的耕地非农化行为监测是利用遥感影像上耕地的光谱、空间特征构建可解释强的耕地变化检测模型。Massey等[5]针对大尺度耕地监测设计了一种随机森林与对象分割结合的方法，该方法涉及多个参数的设置流程较繁琐。为了实现耕地自动化监测， Useya等[6]提出了一种融合多分类器系统（MCS）和多指数（NDVI-BSI）的耕地变化检测方法，然而，该方法中多指数的最佳阈值的选取需要良好的判断力和先验知识。李刚等[7]利用“三调”成果数据进行样本筛选和耕地非农化特征筛选，再通过支持向量机算法提取非农化图斑，但该方法的通用性不足，提取精度受耕地非农化特征的选取影响较大。传统的方法需要根据先验知识人为设计特征提取算法，不同地区易受光照、传感器等外部因素影响，对大范围的耕地非农化行为监测的通用性较差。基于深度学习的耕地非农化行为监测是利用样本自动学习遥感影像的深度特征构建耕地变化检测模型。Persello等[8]为了提高非洲地区小面积耕地的监测精度将SegNet网络模型和水平集分割算法相结合，该方法对于不同农作物的耕地边界的划分更加精细和完整。高鸣等[9]基于U-Net网络构建了一个基于深度学习的农房侵占耕地的自动化监测模型，该方法提取的是整个研究区域的农房而不是仅针对耕地内的农房。为了提高耕地变化检测的精度，徐志红 等[10]将面向对象影像分析（OBIA）和对象卷积神经网络（OCNN）结合获取发生变化的耕地，然而，该方法需要人工选取各地类的影像特征去提取潜在变化地块。曹州等[11]提出了一种联合光谱-对象-时间特征的深度学习遥感影像变化检测方法实现双时相影像变化信息的提取，但该方法对于耕地和林地的区分能力较差。为了克服耕地变化训练样本不足的问题， Chen等[12]基于生成对抗网络设计了一种耕地变化检测方法（CropGAN）。深度学习的方法虽然自动化程度较高，但过度依赖训练样本，未考虑耕地非农化行为的特性，导致构建的网络模型针对性不足。

综上所述，传统方法通常需要依赖丰富的先验知识来设计适合研究区域的非农化影像特征的算法，由于不同研究区域非农化影像特征存在明显差异，特征选取需反复调整，因此对大范围耕地非农化监测的通用性较差;深度学习方法具有较强的自动学习影像特征的能力，通过学习大量的样本提取普适特征，但忽略了耕地非农化的影像特征的表示，导致模型针对性不足。《关于坚决制止耕地非农化行为的通知》[13]中耕地非农化行为包括6种，分别是占用耕地绿化造林、超标准建设绿色通道、占用耕地挖湖造景、占用永久基本农田扩大自然保护地、占用耕地从事非农建设和违法违规批地用地。在上述耕地非农化行为中，乱占耕地从事非农建设是一种较为常见的现象，主要是在农业生产的耕地上非法建设建筑物或搭建大棚房。近年来，全国开展了大棚房问题专项清理整治行动，大棚房问题主要是指假借建设农业大棚违法违规占用耕地在大棚内建房[14]。为了精准监测建筑物和大棚房乱占耕地现象并及时预警，本文提出了一种先验知识引导深度学习的耕地非农化监测方法。该方法首先利用“三调”数据库中耕地矢量范围和类别属性信息进行先验知识的抽取，再根据耕地的先验知识对高分辨率遥感影像进行地块级分割，然后通过提出的融入先验知识的深度学习语义分割模型（SRAM-SegFormer）提取潜在的非农化图斑，最后将提取结果进行后处理得到耕地变化区域，实现耕地非农化行为监测。

本文采用前时相的耕地矢量数据和后时相的遥感影像实现先验知识引导深度学习的耕地非农化监测，具体技术路线如图1所示。首先，对“三调”数据库中耕地的先验知识进行提取，再根据耕地矢量范围和类别属性信息对检测区域快速定位，接着利用融入先验知识的深度学习语义分割模型（SRAM-SegFormer）进行潜在非农化图斑获取，最后将提取结果进行后处理并结合前时相的耕地矢量数据获得耕地非农化监测结果。

本文的研究区域为耕地，可利用“三调”数据库实现耕地范围的提取。根据“三调”数据库中各地类成果数据对耕地的先验知识进行抽取，从而获取前时相的耕地矢量数据。《土地利用现状分类》（GB/T 21010-2017）中耕地包括水田、水浇地和旱地。本文依据耕地的先验知识，将各地类成果数据中类别属性为水田、水浇地和旱地的矢量数据筛选出来，完成耕地矢量数据的获取。

利用前时相的耕地矢量数据和后时相高分辨率遥感影像快速实现检测区域定位。先将前时相的耕地矢量数据按照唯一字段分割成单个的耕地矢量数据，再依据单个的耕地矢量数据对后时相高分辨率遥感影像进行地块级分割。本文的方法可剔除非耕地区域，实现检测区域的快速定位，提高检测效率。

本文设计的SRAM-SegFormer潜在非农化图斑提取网络如图2所示。该网络为编码-解码结构，在SegFormer[15]的基础上，引入耕地显著区域注意力模块（SRAM），提高网络对耕地非农化图斑提取的准确率。SRAM-SegFormer的设计主要是对编码器部分进行优化，将耕地与建筑物和大棚房的颜色和纹理特征差异作为一种耕地非农化图斑提取的先验知识，通过SRAM模块利用提取到的耕地非农化图斑先验知识和强语义特征层进一步增强弱语义特征层，达到增强网络对小尺度非农化图斑语义特征的学习能力的目的。

在编码器部分，主要由无位置编码多层的Transformer模块和SRAM模块组成。无位置编码多层的Transformer模块负责获取不同层级的语义特征层，SRAM模块负责利用先验知识和强语义特征层反向增强弱语义特征层的语义信息。假设一张影像 ��×�×�，其中H和W为影像的高和宽，C为影像的通道数。经过无位置编码多层的Transformer模块获取到4个语义特征层 �1,�2,�3,�4，其分辨率依次降低为 �4×�4×32,�8×�8×64,�16×�16×160,�32×�32×256，而语义信息依次增强。为了帮助网络准确定位建筑物和大棚房的区域，引入SRAM模块得到3个融入先验知识的强语义信息特征层 �1,�2,�3，其大小为 �4×�4×32,�8×�8×64,�16×�16×160。

本研究中，耕地非农化监测主要考虑对耕地内的建筑物和大棚房进行监测。在同一地块中，耕地的颜色较相近、纹理特征差异较小。而耕地内的建筑物和大棚房一般较为突出，与耕地的颜色和纹理特征差异较大，可将建筑物和大棚房作为耕地内的显著区域。采用LC算法[16]对耕地内的显著区域进行提取，得到耕地显著区域图 �1,�2,�3，其大小为 �4×�4×32,�8×�8×64,�16×�16×160。因此，本文利用耕地显著区域图作为耕地非农化图斑提取的先验知识，再结合影像的高分辨率弱语义特征层和低分辨率强语义特征层，构建了SRAM模块，其网络结构如图2所示。SRAM模块的计算过程如下：

式中：Ij为影像I中的第j个像素值; Ik为影像I中的第k个像素值; Ij和Ik的取值范围为[0, 255]; ∙为像素值Ij和像素值Ik的欧氏距离;    ��,��,��+1分别经过卷积操作得到向量 �'�,�'�,�'�+1，其大小为 �'×�×�2�+1,�×�2�+1×�'8,�'8×�×�2�+1; Softmax为归一化指数函数，经过归一化操作注意力图中每个值的范围为[0, 1]; d为输入向量的维度。

在解码器部分，该网络仅由多个轻量级的MLP层构成，大大减少了整个网络的计算量和参数量。首先，语义信息增强后的特征层 �1,�2,�3,�4经过MLP层得到4个大小相同的特征层，其大小为 为了得到更加准确的潜在非农化图斑提取结果，解决样本不平衡的问题，本文使用的损失函数L计算如下：

式中：LDice代表Dice Loss; LFocal代表Focal Loss。

本文选取了3个评价指标来定量评价潜在非农化图斑提取结果，分别是类别平均像素准确率（MPA）、平均交并比（MIoU）和总体精度（OA）。

MPA表示每个类别内正确预测的像素个数占全部预测为该类别像素个数的比值的平均值，计算公式如下：