近年来,城郊山区的旅游业高速发展,使其成为城市居民短途郊游的佳选,而城郊景区往往以生态旅游、寺庙为主且依山而建,这类区域往往具有建筑与植被混合分布的特点被称为森林城镇交界域（Wildland–Urban interface,WUI）,故密集性的游客活动给其带来巨大的潜在性火灾安全隐患。该区域的火灾安全管理倍受地方政府的关注,但其信息化水平低常导致应急救援时信息获取不及时,错过最佳救援时机,带来巨大的经济甚至生命损失,其中道路信息是森林防火应急信息化的核心要素,故本文将针对WUI区域道路信息提取展开研究。目前路网信息提取,往往由浮动车轨迹与测绘数据融合得到,但在WUI区域由于经济相对落后,信息商业价值相对低,地形复杂,人车作业难度大,浮动车轨迹少等原因,综合导致该区域路网信息缺失。在高德、百度等商业地图中WUI区域路网信息少,难以满足林火应急救援工作。同时分布范围广,更新周期短,成本低的遥感影像数据克服了地形复杂带来的作业困难的问题。基于此,本文将利用遥感影像数据、深度学习语义分割信息提取技术、相关后处理应用转化技术进行WUI区域道路提取研究,以期为林火应急救援提供信息技术支持。论文主要研究内容包括:（1）选取0.5m分辨率的高景一号影像作为数据源,覆盖面积33km2,构建影像-道路面语义分割数据集,并命名为WUI-Yajishan,是适用于像素级道路面语义分割任务的通用数据集。（2）针对常规道路提取算法在WUI区域因道路存在遮挡、阴影、宽度小等原因而使提取结果存在连续性不佳的问题,本文提出了将边缘距离信息连续变化的特征融入二类标签道路样本的思想。常规道路样本基本是0/1（道路,非道路）的硬分类,会使模型在提取道路时对遥感影像中存在遮挡、干扰的这些易错分像素进行分类时随机性较大,进而造成结果不连续性问题。而本文提出的边缘符号距离变换方法,可实现基于二类样本生成距离样本,该样本能更好地实现细粒度信息表达,为0/1分类提供更多中间态信息,使易错分像素在判别时具有更多有效信息,以提高样本在连续性特征上的表达能力。（3）在距离样本基础上提出了两种道路语义分割方法:一种将连续变量样本离散成多类样本输入常规语义分割模型,另一种构建包含回归任务分支的语义分割模型以允许直接输入连续变量样本。具体如下:（1）一种将距离样本通过先验知识人工离散成多类样本,从而符合常规语义分割模型的输入规则,并能将边缘距离信息隐含在多级样本中迫使模型学习。最后在常用语义分割模型上（U-net、Deep Lab V3）进行实验对比,从定性方面验证道路连续性表达能力的提高,从定量方面验证该方法精度的提升。但该方法在样本离散化过程中需要人工设定阈值范围。（2）一种引入距离信息的回归-分类多任务Road Net模型。该方法主要思想是在常规语义分割基础上添加可接收距离样本的回归任务分支,作为分类任务的中间监督环节,以巧妙的将通过回归分支学习到的距离感知特征融入语义感知特征中,从而生成连续性好语义精准的道路结果。最后分别在WUI-Yajishan和Massachustts道路数据集上进行消融实验,网络加深实验,与其他常用模型的对比实验,结果验证了本方法的优越性。同时可视化效果也验证了Road Net在路网连续性上的提升,且该方法无需人工干预。（4）基于WUI-Yajishan数据集训练Road Net网络得到的道路提取模型,在丫髻山示范区,Google影像上进行了跨数据源泛化能力实验,并在香山进行了跨区域泛化能力实验。实验结果表明本文模型在跨区域上泛化能力较强,但在跨数据源上泛化能力还需进一步提升。（5）基于语义分割提取结果进行应用技术研究,包括通用格式生成、中心线提取、宽度信息提取等一系列后处理操作,以得到含宽度信息的道路中心线矢量数据shapefile格式及Geo Json格式,以使道路成果具有更强流通性和更强应用性。最后在北京市平谷区丫髻山示范区进行测试,并在此基础上进行消防车通达度空间分析,最终将路网信息接入北京市科委项目-空天地一体应急救援指挥调度服务平台支撑决策。研究结果表明,本文研究能够有效地实现森林城镇交界域的路网信息提取与应用,研究成果在一定程度上缓解了商业电子地图在城郊山区少人处道路信息不足的问题,为森林防火应急救援提供信息化技术支撑。