利用遥感图像分析土地覆盖有广阔的发展前景,对遥感图像的精确分割是该项技术应用的关键。深度学习技术已经应用于各个领域,当前,卷积神经网络在解决图像分割任务表现优异,但是目前几乎没有针对土地覆盖的语义分割算法。已有的语义分割算法在应用到土地覆盖领域往往存在泛化性差,分割精度低得缺点。为得到更精准的分割结果,需要模型能够结合图像上下文信息,同时聚集图像空间信息,关注各预测类别的类内差异与类间相似问题。为实现高精准的土地覆盖分析,本文设计了双功能特征聚集网络和跨维度特征融合网络两个模型。在双功能特征聚集网络中,设计了亲和力矩阵模块聚集上下文信息,而边缘特征融合模块强化模型对图像各类别位置的预测能力。在跨维度特征融合网络中,类别特征注意力模块聚集多尺度和多感受野的输入特征,抓取高维度语意信息。跨级特征融合模块融合不同分辨率的特征,可以提取融合不同维度的语意信息,聚集特征的上下文信息,区分各像素点的上下文相关性。同级特征门控融合模块动态融合不同维度的信息,过滤无效信息和干扰信息,校准高维信息指导低维信息恢复的过程。从模型在公开数据集上的实验结果看,各评价指标和预测结果均符合目标。