摘要: 【目的】面对森林火灾日益频发、强度不断加剧的严峻形势，依托GIS空间分析开展无人机多光谱遥感、深度学习算法等智能解译技术研究，为森林火烧迹地生态修复提供信息化、智能化的技术支撑，旨在挖掘数字技术服务于国土景观保护与生态修复领域的应用潜力。【方法】通过多光谱遥感与U-Net深度学习语义分割模型，精细解译地表覆被类型；提取不同地形因子进行耦合分析以划定地理修复单元，结合水文特征分析植被恢复条件。综合上述信息因地制宜提出自然修复、人工修复及自然－人工协同的修复策略。【结果】构建了缙云山火烧迹地无人机影像数据集，训练的植被识别模型总体精度达84.02%。结果表明：研究区形成以蕨类（45.04%）与竹类（16.09%）为先锋优势种、乔木稀疏（6.39%）的异质性恢复格局；研究区可划分出38种地理修复单元，空间异质性显著。总体形成了“高精度数据获取—多源信息智能解译—差异化修复策略制定”的一体化技术路径。【结论】本研究构建的技术路径兼具精确性、自动化与可操作性特点,有助于森林火烧迹地差异化修复策略生成，进而指导生态修复工作科学有序开展。所训练的深度学习模型具备长期动态监测能力，可为不同时期的修复策略动态调整提供长期支持。