遥感图像信息提取与人工智能算法结合是国土资源及环境部门进行土地利用现状调查、监测和管理的重要技术手段。针对U-net在遥感图像提取产生的空间信息定位不足和多尺度目标特征分割不准确的问题,提出了一种在Res2Net头部融入注意力模块取代U-net编码部分的CA-Res2-Unet模型,旨在增强U型网络的空间定位和多尺度特征信息分割能力;通过WHDLD公共数据集和沈抚新区自制数据集,在主流网络和改进模型上进行了实验。结果表明,该模型较基础模型U-net在WHDLD公共数据集和沈抚新区自制数据集上实验的整体准确率、平均交并比和mF1分数(各类F1分类的平均值)三个评价指标分别提高了0.92%、2.00%、1.58%和1.18%、2.87%、1.91%,所提出方法的图像分割视觉效果和各项定量指标均优于其他主流语义分割网络,可为区域土地利用现状调查和相关部门决策提供科学依据。