摘要：以空间分辨率为0.54 m的沿海地区卫星遥感影像为数据源,根据填海造地地块时序化监管的几何与光谱特征分析结果将其分类为围而未填、填而未用、已填已用(有建筑设施) 3种类型,构建与海岸线填海造地影像目标类型适配的谱系化深度学习特征样本库;再利用训练的多尺度粒度实例分割网络模型(MS-CNN)对该类地块进行识别,同时对比2012—2022年3个局部区域的变化影像图,以分析填海造地不同时期的识别效果。结果表明,MS-CNN能较好地识别填海造地,地块识别结果精确率为93.26%,召回率为91.73%,F1-score为92.5%,提高了填海地块全局和局部尺度粒度的特征表达能力,改善了光谱异质性高等因素导致的多尺度共生目标错漏检问题,为填海造地识别监测提供了一种准确可行的方法。