La tierra cultivada es crucial para la producción y seguridad alimentaria. En entornos complejos como las regiones montañosas, la naturaleza fragmentada de la tierra cultivada complica la adquisición de información rápida y precisa. El aprendizaje profundo se ha vuelto esencial para extraer la tierra cultivada pero enfrenta desafíos como la pérdida de detalle en los bordes y la adaptabilidad limitada. Este estudio presenta un enfoque novedoso que combina la estratificación zonal geográfica con las características temporales de imágenes de teledetección de resolución media para identificar la tierra cultivada. La metodología implica zonificar y estratificar geográficamente el área de estudio, e integrar la segmentación semántica y la detección de bordes para analizar imágenes de teledetección y generar resultados de extracción iniciales. Estos resultados se refinan a través de un postprocesamiento con clasificación de imágenes de resolución media para producir un mapa detallado de la distribución de la tierra cultivada. El método logró una precisión general de extracción del 95.07% en el Distrito de Tongnan, con precisión específica del 92.49% para la tierra cultivada plana, 96.18% para la tierra cultivada en terrazas, 93.80% para la tierra cultivada en pendiente y 78.83% para la tierra de cultivo intercalada con bosque. Los resultados indican que, en comparación con los métodos tradicionales, este enfoque es más rápido y preciso, reduciendo tanto los falsos positivos como las omisiones. Este documento presenta un nuevo marco metodológico para la cartografía de cultivos a gran escala en escenarios complejos, ofreciendo ideas valiosas para la extracción de cultivos posterior en entornos desafiantes.