裸地作为一种重要的地物类别,在其不断形成和增长的过程中会使周围环境产生不利影响,尤其是施工而形成的裸露土地,在剧烈的施工条件下或者在恶劣天气下会产生扬尘。因此,精准获取裸地位置,对加强建筑工地监管及探究环境变化趋势具有重大的意义。遥感影像提取裸地是监测裸地分布及变化的一个重要手段。现有遥感影像提取裸地方法主要有两种:裸地专题提取和在土地覆盖分类中被提取。但裸地专项识别方法中分层分类法过程繁琐,难以实现自动化提取。指数法提取裸地主要聚焦于基于中、低分辨率遥感影像。国产高分影像因缺少构建相关指数的波段,现有的裸土提取指数法不适用。而裸地在土地覆盖分类中的提取精度不高,存在空间信息丢失、与其他地物类别混淆等问题缺乏专项讨论,难以满足裸地的高精度提取要求。针对裸地边缘信息模糊、分布不规律等特点及现有遥感影像提取裸地方法的缺点和难点,本文设计了一种融合多层次特征的遥感影像裸地多尺度深度学习提取模型。主要研究内容如下:（1）根据裸地的影像特征,确定高分遥感影像裸地的解译标志,构建了高分遥感影像裸地单分类和多类型的样本库。（2）本文提出了一种改进Dense Net网络的高分辨率遥感影像裸地多尺度提取模型,主要采取密集连接块、坐标卷积和密集空洞空间金字塔三种策略。增强Dense Net模型在获取坐标信息、丰富裸地空间特征信息、感知全局上下文信息等方面的能力,减少模型对空间细节特征丢失环节,提高裸地多尺度遥感提取的精度。（3）在单分类和多类型裸地的提取实验中,将本文方法与三种机器学习方法、四种深度学习方法进行对比。各指标综合分析后可知,本文方法提取结果基本接近目视解译结果,在提取完整性和分类精度上均高于其他方法,并且在细小裸地的识别更有优势,说明本文方法较其他方法更适合裸地的单分类和多类型提取。（4）利用本文所设计的模型对多尺度影像进行裸地提取并进行精度测试,结果表明本文方法对高分一号、高分六号和哨兵二号遥感影像具有良好的多尺度提取效果。（5）实现了裸地多尺度智能监测和应用。利用深度学习遥感影像裸地提取模型对包河区进行多尺度裸地提取,结果显示本文方法具有良好的裸地多尺度提取效果。再对研究区的多时序遥感影像进行单分类和多类型裸地提取,并对其进行时空变化分析。根据单分类的裸地提取结果发现,裸地从包河区的西部和西南部地区逐步向东部及北部发展。根据多类型裸地提取结果发现,裸土均匀分布在包河区各区域,而建筑工地有明显的变化趋势,整体上由南部逐渐向北部发展。休耕地较少,其主要分布在包河区西南部地区和东部地区。