摘要

法国国家地理与森林信息研究所（IGN）肩负着记录与测量法国领土土地覆被状况的使命，并提供一系列基础地理数据集，包括高分辨率航空影像和地形图。土地覆被监测在土地管理与规划中发挥着关键作用，其成果对社会经济及生态环境具有深远影响。结合遥感技术，人工智能（IA）有望成为识别土地覆被类型及其动态变化的强大工具。目前，IGN正在积极探索人工智能在高分辨率土地覆被制图中的应用潜力。其中，深度学习方法被用于实现航空影像的语义分割。然而，法国国土面积广阔，地理环境差异显著，景观类型多样，影像获取条件也存在区域差异，这给实现全国范围内统一、可靠且精确的成果带来了挑战。本文提出的FLAIR-one数据集，正是IGN当前用于构建法国国家级参考土地覆被图——“大比例尺土地利用”（Occupation du sol à grande échelle，简称OCS-GE）的核心数据集之一。