La extracción precisa de la distribución de tierras agrícolas es un tema importante para la agricultura de precisión y la seguridad alimentaria en todo el mundo. Las características complejas en el sur de China presentan grandes desafíos para la extracción. En este estudio, con el objetivo de una extracción y mapeo precisos de parcelas agrícolas en múltiples etapas de crecimiento de cultivos en el sur de China, exploramos un método basado en datos de vehículos aéreos no tripulados (VANT) y algoritmos de aprendizaje profundo. Nuestro método consideró el tamaño de las tierras agrícolas, los patrones de cultivo, las características espectrales y el terreno del área de estudio. Desde dos aspectos: la arquitectura del modelo de aprendizaje profundo y la forma de los datos del VANT, se realizaron cuatro grupos de experimentos para explorar el método óptimo para la extracción de parcelas agrícolas en el sur de China. El resultado óptimo obtenido en octubre de 2021 demostró una precisión general (OA) del 95.9%, un coeficiente Kappa del 89.2% y una Intersección sobre Unión (IoU) del 95.7%. El método óptimo también mostró resultados notables en los mapas de distribución de tierras agrícolas en múltiples etapas de crecimiento de cultivos, con una OA promedio del 96.9%, un coeficiente Kappa promedio del 89.5% y un IoU promedio del 96.7% en agosto, noviembre y diciembre del mismo año. Este estudio proporciona una referencia valiosa para la extracción de parcelas agrícolas en múltiples etapas de crecimiento de cultivos en el sur de China o en regiones con características similares.