企业官网建设流程全解析

简介：这套面向遥感影像地物分类的CNN深度学习Python工程，基于PyTorch实现，专用于Landsat数据的高效处理与分类建模。工程包含影像切片、模型训练与新增数据预测三个核心Python脚本，并附有预训练模型权重（.h5）、示例遥感影像（.tif）及其坐标/元数据辅助文件（.tfw/.xml），以及说明文档，可支撑从数据预处理到分类结果输出的完整流程。全部文件共10个，压缩包大小14.88MB，结构紧凑、目录清晰。资源重点覆盖Landsat多波段数据处理和基于CNN的地物类型识别，适合遥感、人工智能、自动化等专业学生作为课程设计、毕业设计或科研入门参考，也可用于快速验证深度学习方法在遥感场景下的迁移效果。目前已有87人学习浏览，代码经过测试可运行，遇到配置问题可联系作者交流。

1. CNN深度学习遥感影像地物分类：先搞清这个zip到底能帮你解决什么

手头攒了一堆Landsat影像，想分个地物类型出来，结果卡在第一步：数据怎么处理、样本怎么标、CNN怎么训、精度怎么验，每一步都像隔着一层黑匣子。这个标题给出的方案，核心就是一条用Python串起来的完整流水线——从Landsat原始影像开始，经过预处理、样本制作、CNN模型训练，最后输出一张地物分类图。它不是教你背理论，而是把影像数据变成模型能吃的格式，再让模型把地物类别吐出来。适合两类人：一是遥感专业的本科生、研究生，论文里需要一张分类结果图；二是自然资源调查、农业估产、生态监测这类岗位的从业者，需要把Landsat数据自动化处理成地物分类成果。前提是你会一点Python，装过深度学习框架，剩下的事情，这个方向都能给你一套可以照做的路径。

2. 从Landsat到能喂进CNN的数据：预处理必须抠的四个环节

2.1 数据源选择：Collection 2 Level-2的SR产品为什么能直接进模型

Landsat数据目前最常用的两个传感器是OLI（Landsat 8）和OLI-2（Landsat 9），分辨率30米，多光谱波段覆盖了可见光到短波红外。下载数据时你会看到两种产品：Level-1的原始DN值产品，和Level-2的大气校正产品（也叫SR产品，Surface Reflectance）。新手最容易犯的错，是下载了Level-1的数据然后花大量时间自己跑大气校正，其实USGS已经帮你把这件事做完了。Collection 2 Level-2的SR产品直接提供地表反射率，不需要再走一遍辐射定标和大气校正流程，省掉的不只是时间，还有一堆自己校正带来的误差。

我一般会直接下载Collection 2 Level-2的SR产品，文件命名里带有“SR”标识，波段文件单独存放，每个波段一个GeoTIFF。注意Landsat的波段命名规则：B2是蓝光、B3是绿光、B4是红光、B5是近红外、B6和B7是短波红外。做地物分类用这几个波段就够了，热红外波段（B10、B11）分辨率是100米重采样到30米，对地物分类提升有限，一般不放进模型。下载时按行列号（Path/Row）检索，覆盖你研究区的那一景或多景影像，如果研究区跨了两景，就下载相邻影像后面做镶嵌。

2.2 辐射定标与大气校正：SR产品为什么不用自己跑

很多人一上来就找大气校正的代码，其实这是被旧教程带偏了。早期Landsat数据都是Level-1的DN值，必须自己做辐射定标转成辐射亮度，再做大气校正得到地表反射率。现在的Collection 2 Level-2产品已经把这两步做完了，你拿到的就是地表反射率，数值范围一般在0到1之间，存储的时候乘以10000变成整型。用的时候除以10000还原成反射率，这个缩放因子在MTL元数据文件里有明确标注。

如果你确实拿到的是Level-1数据（比如某些镜像站只提供Level-1），那就需要自己处理。常见做法是用ENVI的FLAASH模块或 seis 的开源大气校正，但这条路径费时费力，精度还不一定比得上官方产品。我的建议很直接：优先用Level-2，把时间省下来花在样本标注和模型调参上，这两个环节对最终精度的影响比大气校正大一个量级。在Python里读取SR产品时，不需要管辐射定标系数，直接读反射率，做归一化或者标准化即可。

2.3 波段组合与裁剪：别把整景影像直接喂网络

Landsat一景影像大约是185公里×180公里，直接整景喂给CNN是不可能的，显存装不下，计算量也不现实。常见的做法是先把影像裁剪成小块（patch），比如256×256像素或者512×512像素，然后按patch来训练和预测。裁剪之前，先确定波段组合。一般地物分类用6个多光谱波段（B2-B7），加上NDVI、MNDWI这类指数波段，构成多通道输入。指数波段能增强植被和水体的区分度，对分类精度有实际帮助。

另一个必须处理的问题是云和云阴影。Landsat的SR产品自带QA波段（Quality Assessment波段），里面记录了每个像素的云、云阴影、雪等标记。预处理时把这个波段读出来，生成一个掩膜，把有云和云阴影的像素标记为无效，后面做样本标注和精度验证时避开这些区域。很多人在这一步偷懒，结果模型学了一堆云的纹理，分类图上一片一片的云区被分成了各种奇怪的类别。

2.4 批量预处理脚本：从原始tif到可直接训练的npy数组

预处理我用Python的rasterio库来读写GeoTIFF，numpy做数组运算。核心流程是：读取波段→拼接成多通道数组→裁剪成patch→保存为npy或直接在做训练时实时读取。下面是一个最小可用的预处理脚本，把一景Landsat影像裁成256×256的patch并保存。

import rasterio import numpy as np import os from tqdm import tqdm # 配置参数 tif_path = "LC08_L2SP_119038_20230601_SR.tif" # 原始SR影像（多波段合成） out_dir = "patches" patch_size = 256 overlap = 0 # 裁剪时的重叠像素数 # 读取影像和QA波段 with rasterio.open(tif_path) as src: bands = src.read([2, 3, 4, 5, 6, 7]) # B2-B7共6个波段 transform = src.transform height, width = bands.shape[1], bands.shape[2] profile = src.profile # 把DN值转成反射率（SR产品缩放因子10000） reflectance = bands.astype(np.float32) / 10000.0 # 计算NDVI和MNDWI，作为额外特征 np.seterr(divide='ignore', invalid='ignore') ndvi = (reflectance[3] - reflectance[2]) / (reflectance[3] + reflectance[2] + 1e-8) mndwi = (reflectance[1] - reflectance[4]) / (reflectance[1] + reflectance[4] + 1e-8) ndvi = np.nan_to_num(ndvi, nan=0.0, posinf=0.0, neginf=0.0) mndwi = np.nan_to_num(mndwi, nan=0.0, posinf=0.0, neginf=0.0) # 合并所有特征通道：6个原始波段 + NDVI + MNDWI = 8通道 features = np.concatenate([reflectance, ndvi[None, :, :], mndwi[None, :, :]], axis=0) # 按patch_size裁剪，保存为npy os.makedirs(out_dir, exist_ok=True) patch_idx = 0 for y in range(0, height - patch_size + 1, patch_size - overlap): for x in range(0, width - patch_size + 1, patch_size - overlap): patch = features[:, y:y+patch_size, x:x+patch_size] # 过滤掉全是0值或云掩膜占比过高的patch if np.mean(patch == 0) > 0.5: continue np.save(f"{out_dir}/patch_{patch_idx:06d}.npy", patch) patch_idx += 1 print(f"共生成 {patch_idx} 个patch，每个shape为 {features.shape[0]}x{patch_size}x{patch_size}")

这段代码把预处理和patch生成合成了一步。逻辑说明：先用rasterio读取6个多光谱波段，除以10000还原成反射率；然后计算NDVI和MNDWI两个指数，拼接到特征通道里；最后按指定窗口滑动裁剪，跳过全是0值的无效区域。参数说明：patch_size决定每个样本的空间范围，256像素在30米分辨率下对应7.68公里，既能覆盖足够的地物上下文又不会让CNN感受野太小；overlap控制相邻patch之间的重叠，一般设0即可，做预测时再设重叠来消除边界拼接痕；tif_path指向的是多波段合成文件，如果下载的是分波段tif，需要用rasterio.merge或GDAL先合成再处理。

做完这一步，你的数据就从“一景tif”变成了“一堆npy数组”，每张npy是一个8通道的patch，直接可以作为CNN的输入。第一批patch生成后，建议抽查几张，用matplotlib把RGB合成波段（B4-B3-B2）画出来，确认波段顺序没搞错、反射率数值范围正常、没有条纹状噪声。这一步花不了五分钟，但能避免后面训练时才发现数据有问题，白跑好几个小时。

3. 样本制作与数据集划分：标注决定分类精度上限

3.1 每类地物到底要多少样本：按类均衡比像素更重要

CNN训练需要带标签的patch。很多人问“每类要多少个样本”，答案不是固定的，但有个经验下限：每类至少300个patch，也就是300×256×256个像素的标注区域。如果类别不平衡，比如水体只标了50个patch，农田标了2000个，模型会严重偏向农田，水体就经常被漏分。常见做法是先做类别统计，保证样本量最少的类别不低于最多的类别的三分之一。

标注工具怎么选也有讲究。简单的方案是Labelme，它画多边形打标签很方便，但对遥感大影像不太友好，需要先裁剪成patch再标，效率不高。更好的方案是在QGIS里直接打开Landsat影像，参考更高分辨率的谷歌影像或者Google Earth截图，手动矢量化为面；然后把矢量栅格化成和影像分辨率一致的标签图，再按同样的裁剪逻辑切成patch。栅格化的像素值和类别ID对应起来，比如0是背景、1是水体、2是植被、3是农田、4是建筑、5是裸地。类别不要设太多，五六类到头了，类别越多标注工作量越大，类别之间的混淆也越严重。

3.2 类别体系怎么定：从地表覆盖类型反推标签名称

标什么类别，首先要看你的应用目标。做土地利用调查，就按分类体系走（比如GB/T 21010里的耕地、林地、草地、水域、建设用地）；做生态监测，就把重点放在植被覆盖度和水体范围上。Landsat的30米分辨率决定了它区分不了太细的类别，比如不同农作物种类，但区分水体、植被、农田、建筑、裸地这类一级类效果很好。我一般会建议先做一个六类分类：水体、植被、农田、建筑、裸地、其他。类别越多，标注难度和分类误差都会显著上升，先跑通六类再看需不需要合并或细分。

类别合并是另一个容易踩坑的点。比如“植被”这个概念，在影像上包括林地、草地、灌丛，它们的反射率光谱差异不小，如果全标成“植被”，会让类内方差过大，CNN学到的是一个模糊的“植被”概念。反过来，如果你的研究区只有一片林地和一小块草地，强行分两类会导致草地样本不足，训练时直接崩掉。合理的做法是：参考你的研究区实际地物分布，结合分类目标的粒度，把光谱相似、应用上不需要区分的类别合并。

3.3 训练/验证/测试集划分：按空间不按像素

很多人在这一步犯了一个隐蔽但后果严重的错误：随机把patch分到训练集和测试集。如果同一个区域的不同patch同时出现在训练集和测试集里，模型实际上已经见过这些像素了，测试精度会虚高。遥感影像有很强的空间自相关性，相邻patch的纹理、光谱高度相似，随机划分等于数据泄漏。正确的做法是按空间区域划分：把整个研究区先划分成几个大的子区域，比如东西两块，一块取训练patch，另一块取测试patch，保证训练集和测试集在地理位置上完全分开。

具体操作上，我会先画一个研究区的矢量网格，比如每个格网1公里×1公里，按格网来采样patch。先把格网按照“训练/验证/测试=7/1/2”的比例随机分配到三个集合，然后在每个格网里生成patch。这样既保证了空间独立性，又让每个集合覆盖整个研究区的地物多样性。验证集用来调超参数，测试集只在最后评估一次，不要反复拿测试集试，否则测试集也会被你“训练”。

3.4 标签编码与样本增强：从矢量到patch标签的完整代码

标注完成后的标签图是单通道的，每个像素的值代表类别ID。需要把标签图切成和影像patch完全对应的patch标签，组成(x, y)对。这里最关键的是保证裁剪的起始像素坐标完全一致，否则影像和标签对不上，训练时模型学到的是噪声。

import rasterio import numpy as np import os from sklearn.model_selection import train_test_split # 配置 img_patches_dir = "patches" # 预处理阶段生成的影像patch label_tif_path = "labels.tif" # QGIS中栅格化后的标签图 out_train_dir = "train_data" os.makedirs(out_train_dir, exist_ok=True) # 读取标签图 with rasterio.open(label_tif_path) as src: label_img = src.read(1).astype(np.int16) # 标签和影像patch的裁剪起始坐标保持一致 patch_size = 256 img_files = sorted(os.listdir(img_patches_dir)) sample_list = [] for fname in img_files: img_path = os.path.join(img_patches_dir, fname) img = np.load(img_path) h, w = img.shape[1], img.shape[2] # 从文件名解析patch的起始坐标（在预处理时按规则写入） # 这里约定文件名格式为 patch_yx_{y}_{x}，也可以用其他方式记录 parts = fname.split("_") y0 = int(parts[2]) x0 = int(parts[3].split(".")[0]) label_patch = label_img[y0:y0+h, x0:x0+w] # 过滤掉包含大量未标注像素(值为-9999)的patch if np.sum(label_patch < 0) > (patch_size * patch_size * 0.2): continue # 过滤掉类别单一且背景占比过高的patch unique, counts = np.unique(label_patch, return_counts=True) if len(unique) < 2: continue # 保存样本对，数据集文件名加前缀x_和y_方便后续读取 sample_id = fname.replace(".npy", "") np.save(f"{out_train_dir}/x_{sample_id}.npy", img) np.save(f"{out_train_dir}/y_{sample_id}.npy", label_patch) sample_list.append(sample_id) # 按空间格网分配训练/验证/测试集（这里简化成随机分配，实际应按格网） # 实际项目中建议先生成格网ID，再按格网ID划分，避免空间泄漏 train_ids, temp_ids = train_test_split(sample_list, test_size=0.3, random_state=42) val_ids, test_ids = train_test_split(temp_ids, test_size=0.33, random_state=42) # 保存划分结果 with open(f"{out_train_dir}/train_ids.txt", "w") as f: f.write("\n".join(train_ids)) with open(f"{out_train_dir}/val_ids.txt", "w") as f: f.write("\n".join(val_ids)) with open(f"{out_train_dir}/test_ids.txt", "w") as f: f.write("\n".join(test_ids)) print(f"train: {len(train_ids)}, val: {len(val_ids)}, test: {len(test_ids)}")

这段代码的重点在于“坐标对齐”和“样本过滤”。逻辑说明：影像patch是从预处理阶段生成的，标签图需要按完全相同的起始坐标裁剪，才能得到一一对应的标签patch；两个过滤条件分别去掉未标注区域过多的patch和只有单一类别的patch，后者在训练时无法提供有意义的监督信号。参数说明：random_state=42固定随机种子保证实验可复现；test_size=0.3表示先分出30%作为验证+测试，再从这30%里分出1/3做测试，最终比例约为训练70%、验证10%、测试20%。这里演示的是简化版随机划分，实际项目里请按照3.3节说的按空间格网划分。

样本增强方面，遥感patch常用的增强方式包括：随机旋转（90度的倍数）、上下左右翻转、随机亮度扰动、随机裁剪。不要用随机缩放或任意角度旋转，因为地物有明确的方向性（建筑、道路），破坏了方向就改变了语义。可以用torchvision.transforms或albumentations库实现，在训练时动态增强，增强后的patch不落盘，节省存储空间。

4. 训练一个CNN地物分类模型：模型结构与参数怎么定

4.1 为什么选CNN而不是前馈神经网络或Transformer

图像处理为啥用CNN不用前馈神经网络，这个问题很多入门者都问过。核心原因有两个：参数效率和局部性。全连接网络把每个像素当成独立特征，256×256×8通道的输入展开成50万个特征，第一层全连接的参数量就是天文数字，训练不动也严重过拟合。而CNN通过卷积核共享权重，只关注局部邻域的像素关系，参数数量大幅减少。更关键的是，卷积操作天然符合图像信号的特点——相邻像素高度相关，远处的像素相关性弱。

那和Transformer比呢？Transformer靠自注意力机制也能捕捉全局依赖，但需要海量数据来训练，在遥感小样本场景下很容易欠拟合。CNN的归纳偏置（局部连接、权重共享、平移等变性）让它在几千个patch的小数据集上就能训练出可用的模型。做Landsat地物分类，数据量通常不会超过几万个patch，CNN是最稳的选择。等你积累了几百万个patch，再考虑Swin Transformer或ConvNeXt这类大模型不迟。

4.2 一个能跑通的轻量CNN结构：U-Net还是简单分类网络要看输出

这里要区分两种任务：如果只是给每个像素分类，常见做法是用全卷积网络，输入patch输出同样尺寸的标签图，U-Net是经典选择；如果先提取特征再接全连接层做分类，输出的是整个patch的类别，那是图像分类思路，并不适合地物制图。地物分类需要逐像素的预测结果，所以用全卷积网络。下面给出一个简化的U-Net结构，输入8通道256×256的影像，输出6类概率图。

import torch import torch.nn as nn import torch.nn.functional as F class SimpleUNet(nn.Module): """轻量级U-Net：4次下采样+4次上采样，适配Landsat多光谱输入""" def __init__(self, in_channels=8, num_classes=6): super().__init__() # 编码器 self.enc1 = self.conv_block(in_channels, 32) self.enc2 = self.conv_block(32, 64) self.enc3 = self.conv_block(64, 128) self.enc4 = self.conv_block(128, 256) self.pool = nn.MaxPool2d(2) # 瓶颈层 self.bottleneck = self.conv_block(256, 512) # 解码器 self.up4 = nn.ConvTranspose2d(512, 256, kernel_size=2, stride=2) self.dec4 = self.conv_block(512, 256) self.up3 = nn.ConvTranspose2d(256, 128, kernel_size=2, stride=2) self.dec3 = self.conv_block(256, 128) self.up2 = nn.ConvTranspose2d(128, 64, kernel_size=2, stride=2) self.dec2 = self.conv_block(128, 64) self.up1 = nn.ConvTranspose2d(64, 32, kernel_size=2, stride=2) self.dec1 = self.conv_block(64, 32) self.out_conv = nn.Conv2d(32, num_classes, kernel_size=1) def conv_block(self, in_c, out_c): return nn.Sequential( nn.Conv2d(in_c, out_c, kernel_size=3, padding=1), nn.BatchNorm2d(out_c), nn.ReLU(inplace=True), nn.Conv2d(out_c, out_c, kernel_size=3, padding=1), nn.BatchNorm2d(out_c), nn.ReLU(inplace=True), ) def forward(self, x): # 编码 e1 = self.enc1(x) e2 = self.enc2(self.pool(e1)) e3 = self.enc3(self.pool(e2)) e4 = self.enc4(self.pool(e3)) b = self.bottleneck(self.pool(e4)) # 解码 + 跳跃连接 d4 = self.up4(b) d4 = self.dec4(torch.cat([d4, e4], dim=1)) d3 = self.up3(d4) d3 = self.dec3(torch.cat([d3, e3], dim=1)) d2 = self.up2(d3) d2 = self.dec2(torch.cat([d2, e2], dim=1)) d1 = self.up1(d2) d1 = self.dec1(torch.cat([d1, e1], dim=1)) out = self.out_conv(d1) return out

这个U-Net把输入从8通道降到32通道起步，每下采样一次通道翻倍，在256×256输入下，显存占用大约4到6GB，消费级显卡能跑。逻辑说明：编码器逐级提取从细到粗的特征，解码器逐级恢复空间分辨率，跳跃连接把编码器的细节特征拼到解码器，弥补池化损失的空间信息，这对地物边界保持很有帮助。参数说明：in_channels=8要和前面预处理生成的特征通道数一致（6个波段+NDVI+MNDWI）；num_classes=6对应6个地物类别；BatchNorm在batch_size较小（小于8）时效果会变差，如果显存不够减小patch_size而不是减batch_size。

4.3 训练关键参数：lr、batch_size、loss函数怎么设

训练参数的选择直接影响收敛速度和最终精度。我常用的初始化配置如下表，这些值经过多个遥感数据集验证，作为起点基本不会翻车。

类别不平衡的问题要在loss函数里处理。简单做法是给每个类别一个权重，样本少的类别权重高。权重一般取N_total / (N_classes * N_class_i)，即总像素数除以该类像素数再除以类别数，这样各类的损失贡献基本均衡。PyTorch的CrossEntropyLoss直接支持weight参数，传入一个长度为类别数的Tensor即可。

训练监控方面，每5个epoch在验证集上算一次OA（总体精度）和Kappa系数，这两个指标比loss更直观。loss下降但精度不升，一般是过拟合信号，需要加大数据增强或降低模型容量；loss和精度都停滞不前，可能是学习率太小或数据有问题，先确认预处理和标签对齐没毛病再动模型。

4.4 训练脚本：数据加载器、训练循环与模型保存

训练循环本身不复杂，难的是把数据加载、模型前向、反向传播、验证、保存这几步组织得不出错。下面是一个训练脚本的最小骨架，用PyTorch实现，读取上一步生成的npy样本对。

import torch import torch.nn as nn from torch.utils.data import Dataset, DataLoader import numpy as np import os class LandsatDataset(Dataset): def __init__(self, ids_file, data_dir, augment=False): with open(ids_file) as f: self.ids = f.read().strip().split("\n") self.data_dir = data_dir self.augment = augment def __len__(self): return len(self.ids) def __getitem__(self, idx): sample_id = self.ids[idx] x = np.load(f"{self.data_dir}/x_{sample_id}.npy").astype(np.float32) y = np.load(f"{self.data_dir}/y_{sample_id}.npy").astype(np.int64) # 数据增强：90度旋转和翻转 if self.augment: k = np.random.randint(0, 4) x = np.rot90(x, k, axes=(1, 2)).copy() y = np.rot90(y, k, axes=(0, 1)).copy() if np.random.rand() > 0.5: x = np.flip(x, axis=2).copy() y = np.flip(y, axis=1).copy() # 转成PyTorch张量，x归一化到[0,1] x_tensor = torch.from_numpy(x) y_tensor = torch.from_numpy(y) return x_tensor, y_tensor # 训练配置 device = torch.device("cuda" if torch.cuda.is_available() else "cpu") model = SimpleUNet(in_channels=8, num_classes=6).to(device) train_ds = LandsatDataset("train_data/train_ids.txt", "train_data", augment=True) val_ds = LandsatDataset("train_data/val_ids.txt", "train_data", augment=False) train_dl = DataLoader(train_ds, batch_size=8, shuffle=True, num_workers=4) val_dl = DataLoader(val_ds, batch_size=8, shuffle=False, num_workers=4) # 类别权重，按像素占比的反比计算 class_weights = torch.tensor([1.0, 1.5, 0.8, 1.0, 1.2, 1.5]).to(device) criterion = nn.CrossEntropyLoss(weight=class_weights) optimizer = torch.optim.AdamW(model.parameters(), lr=1e-3, weight_decay=1e-4) scheduler = torch.optim.lr_scheduler.CosineAnnealingLR(optimizer, T_max=50) for epoch in range(50): model.train() total_loss = 0.0 for x_batch, y_batch in train_dl: x_batch = x_batch.to(device) y_batch = y_batch.to(device) optimizer.zero_grad() out = model(x_batch) # (B, 6, H, W) y_batch = y_batch.long() loss = criterion(out, y_batch) loss.backward() optimizer.step() total_loss += loss.item() # 验证 model.eval() correct = 0 total = 0 with torch.no_grad(): for x_batch, y_batch in val_dl: x_batch = x_batch.to(device) y_batch = y_batch.to(device) out = model(x_batch) pred = torch.argmax(out, dim=1) # 只统计有效像素（标签>=0） mask = y_batch >= 0 correct += (pred[mask] == y_batch[mask]).sum().item() total += mask.sum().item() val_acc = correct / max(total, 1) print(f"Epoch {epoch+1:02d}, Loss: {total_loss/len(train_dl):.4f}, Val Acc: {val_acc:.4f}") # 保存最佳模型 if val_acc > best_acc: best_acc = val_acc torch.save(model.state_dict(), "best_model.pth") scheduler.step()

这段代码覆盖了数据加载、增强、训练和验证全流程。逻辑说明：数据加载器负责从npy文件读取样本对，增强只在训练集启用，验证集保持原始数据；类别权重让样本少的类别获得更大的损失贡献；验证时mask = y_batch >= 0过滤掉无效像素（未标注区域，标签设为-9999或-1）。参数说明：num_workers=4是数据加载的并行进程数，Windows下建议设为0避免多进程报错；T_max=50要和总epoch数一致，否则余弦退火的学习率曲线不完整；weight_decay=1e-4做权重正则化，抑制过拟合。

5. 遥感影像分类避坑指南：五个让新手翻车的细节

5.1 精度明明很高，分类图却一片椒盐噪声

现象：验证集OA跑到90%以上，但把整景影像预测出来一看，地物边界像是被啃过，单个像素孤立地出现错误类别，图面非常碎。

原因：逐像素分类的本质决定了每个像素独立决策，没有考虑邻域一致性。模型在特征空间里学到的是光谱模式，对单个像素的噪声敏感，边界区域更容易出现零星错分。

解决：两招组合用。第一招是预测时做重叠滑窗与概率平均，相邻patch重叠区域多次预测取平均，能显著抑制边界噪声；第二招是分类后处理，用众数滤波或多数投票，我这里一般用scipy.ndimage.median_filter或者形态学开闭运算，窗口大小3×3或5×5，注意不要过度平滑把细小水体抹掉了。

5.2 训练集和测试集精度都很高，换到新影像上精度暴跌

现象：在A区域训练的模型，测试精度85%，直接用到相邻的B区域影像上，精度掉到60%以下。

原因：这是遥感深度学习最常见的泛化问题。不同时相、不同季节的影像，地表反射率分布差异很大；不同传感器（Landsat 8和Landsat 9）之间也有细微的光谱响应差异；甚至太阳高度角不同，阴影区的特征都完全不同。

解决：没有一劳永逸的办法，靠数据策略缓解。一是训练集里加入多时相样本，把不同季节、不同年份的patch都放进去增强光谱多样性；二是在应用前对目标影像做直方图匹配，让它和训练数据的光谱分布对齐；三是在训练时做光谱增强，对反射率做随机线性变换，模拟不同光照条件。

5.3 水体和阴影永远分不清

现象：分类图里的山体阴影区被成片分成水体，或者水体被分成阴影，两者互相混淆。

原因：水体和阴影在可见光波段光谱相似，都是低反射率，从红光到短波红外的曲线形态都很接近。单靠光谱信息区分它们非常困难，这也是遥感分类的经典难题。

解决：增加辅助特征。MNDWI指数对水体非常敏感，水体在绿光反射率高、在短波红外反射率低，而阴影区域的光谱随下垫面变化，没有稳定的指数特征；所以在特征通道里保留MNDWI能帮模型区分。另外，如果研究区地形起伏大，把坡度或山体阴影掩膜作为额外输入通道也有效。从模型角度，增加上下文信息（用更大的patch_size）也能帮助模型学到“旁边的山体导致阴影”这种空间关系。

5.4 训练时报错“CUDA out of memory”

现象：batch_size设成16，一跑训练就报显存不足，换成batch_size=4才勉强跑动。

原因：256×256×8通道的输入本身就不小，U-Net的中间特征图占显存尤其大。很多人误以为是模型参数太多，实际上激活值（中间特征图）占了大头。

解决：按顺序尝试三个办法。第一，减小batch_size到4甚至2，配合梯度累积（accumulation_steps）模拟大batch；第二，减小patch_size到128或192，显存占用按patch_size的平方下降；第三，用混合精度训练，PyTorch的torch.cuda.amp能把显存占用砍半。patch_size不建议小于128，否则感受野太小，地物上下文信息不足，分类精度会下降。

5.5 模型训练loss不下降或直接nan

现象：训练到第10个epoch，loss一直停留在2.0左右不降；或者loss突然变成nan，之后所有参数都变成nan。

原因：loss不降通常是学习率太大或太小，或者标签里有未处理好的异常值；loss变成nan则几乎可以肯定是数据里有nan或inf，比如NDVI计算时除以0，或者某个patch全是0值导致BatchNorm收到全零输入。

解决：先查数据再调参数。把第一个batch的数据打印出来，检查是否有nan和inf、反射率是否在合理范围（0到1之间）、标签ID是否超出num_classes-1。数据没问题再调学习率：从1e-3开始，如果loss震荡就降到1e-4，如果loss不掉就升到3e-3试试。一个实用的做法是写一个torch.autograd.set_detect_anomaly(True)，PyTorch会直接告诉你哪个算子导致了nan，定位非常快。

6. 用训练好的模型做整景预测：滑窗推理与精度验证的落地技巧

训练完模型，最后一步是把它应用到整景Landsat影像上生成分类图。因为模型输入是固定大小的patch，所以整景影像需要通过滑窗推理。窗口大小和训练时的patch_size保持一致，但步长不能等于patch_size，否则相邻预测结果之间会有明显的拼缝。我一般用步长等于patch_size的一半，这样每个像素会被多个窗口覆盖，最后取多个预测概率的平均值作为最终输出。

推理时还有一个细节要注意：对于测试集中已经见过的区域，不要重复参与精度评估，否则结果虚高。正确流程是，先用训练好的模型预测整景影像，生成分类结果图；然后拿测试集里的标签patch和预测结果做逐像素对比，计算混淆矩阵、总体精度（OA）和Kappa系数。Kappa系数能反映分类结果和真实标签的一致性，0.8以上说明分类效果优秀，0.6到0.8说明可用，低于0.6就需要回头找原因。

最后我的习惯是把分类结果图用rasterio写成GeoTIFF，带上原始影像的地理变换信息和投影坐标，这样可以直接在QGIS或ArcGIS里打开叠加分析。写成GeoTIFF的过程不难，核心是从原始影像的profile里复制transform和crs信息，把预测结果的背景值设为0或者255。一份完整的Landsat地物分类工作流，到这里就走完了：从数据预处理、样本制作、模型训练，到整景预测和精度评估，每个环节都有对应的Python实现和参数调试经验。这条路径我走过很多遍，踩过的坑基本都在前面几章列全了。按照这个流程做下来的Landsat分类项目，哪怕研究区换了、类别换了一两个，整体的框架都不用动，改改参数和样本就能复现。希望这些从实际项目里攒下来的经验，能帮你把第一个遥感地物分类任务顺利跑通。

本文还有配套的精品资源，点击获取