“塔里木河流域干旱与风沙灾害调查和风险评估”项目“塔里木盆地景观大数据编研”课题根据已有数据，绘制完成了塔里木盆地影像图和塔里木盆地地貌类型图，并研发了多尺度地学解译模型——MultiScaleGeoNet，从而提高了图像分割（分类）精度。

MultiScaleGeoNet的特点是引入数字图像处理中图像金字塔的概念，将网络低层特征图做图像金字塔后与网络高层特征图合并，提供图像与尺度有关细节，获取地物在不同空间尺度的特征，提高分割精度；在此基础上，MultiScaleGeoNet结合Tiramisu子模块优化模型结构，减少深度模型训练参数，同时使用Convolutional Block Attention Module (CBAM)自适应机制实现模型自我调整和优化，引入了可变性卷积、迁移学习、风格迁移、影像拼接时的投票机制等技巧，改进了损失函数，使模型应用更加高效从而满足实时应用的需求。

图1 塔里木盆地影像图

图2 塔里木盆地地貌类型图

图3 MultiScaleGeoNet主体框架