随着高速铁路的快速发展,高速铁路的运营安全受到了广泛的关注。高速铁路沿线地理环境复杂,存在大量的环境安全隐患,根据《高速铁路安全防护管理办法(征求意见稿)》规定在高速铁路安全保护区内从事采石、采矿、挖砂、取土等行为需符合国家标准、行业标准和铁路安全保护要求,行为不当可能会造成高铁路基的塌陷、沉降,严重威胁着高铁的安全运营,本文将从事采石、采矿、挖砂、取土等行为造成的地表破坏区域称为采挖区。因此,对高速铁路安全保护区内的采挖区进行排查可以有效地检测到采石、采矿、挖砂、取土等行为。但是,随着高速铁路的覆盖面越来越广,传统人工实地现场排查或者地面传感器监测等方法耗时耗力、效率低、时效性差、难以对整个高速铁路安全保护区形成有效的实时监测。高分遥感技术具有宏观性、周期性、实时性、综合性等优势,是一种非常有效的技术手段来监测高速铁路安全保护区内的复杂结构环境隐患要素。本文选择沪昆高铁昆明至凯里段沿线5km范围内区域作为研究区域,研究数据来源于Google Earth第19级影像。在本文采挖区检测框架下,首先构建了一个采挖区样本库。然后在传统CNN的基础上进行改进,构建了一个多尺度卷积神经网络框架(Multiscale Convolutional Neural Networks,简称MCNN)。最后通过显著性检测和连通性分析提取的采挖区候选区域作为已训练好的MCNN模型的输入大幅度减少冗余背景数据,实现采挖区的快速准确的检测。经过实验分析,本文主要结论如下:1)本文将高铁沿线安全保护区内从事采石、采矿、挖砂、取土等行为造成的地表破坏区域称为采挖区,结合AID遥感数据集和采挖区数据集构建了采挖区样本库,并通过数据增强来提高了样本库的多样性与泛化能力。2)本文构建了一个采挖区检测框架,包括采挖区候选区域提取和MCNN采挖区检测框架两个模块。相比于直接输入原始影像,提取采挖区候选区域可以减少96.47%的MCNN输入数据量,大幅度的提高了采挖区的检测效率。MCNN采挖区检测框架可以接收任意尺度的影像输入,实现了沪昆高铁昆明至凯里段大约600km的采挖区检测,并对贵定市和安顺市平坝区内的采挖区检测进行了定量分析,正确率约为54.05%,召回率为95.24%,总IOU为0.73。