La extracción precisa de tierras agrícolas montañosas a partir de imágenes de teledetección sigue siendo un desafío debido a sus parcelas fragmentadas, formas irregulares y las sombras inducidas por el terreno. Para abordar esto, proponemos un marco de aprendizaje profundo, SE-ResUNet, que integra módulos de Squeeze-and-Excitation (SE) en ResUNet para mejorar la representación de características. Aprovechando las imágenes de Sentinel-1/2 y los datos de DEM, fusionamos índices de vegetación (NDVI/EVI), características del terreno (Pendiente/TRI) y características de polarización SAR en entradas de 3 canales, optimizando la capacidad discriminativa de la red. Experimentos comparativos sobre arquitecturas de red, combinaciones de características y condiciones del terreno demostraron la superioridad de nuestro enfoque. Los resultados mostraron lo siguiente: (1) la fusión de características (NDVI + Índice de Terreno + SAR) tuvo el mejor rendimiento (OA: 97.11%; F1-score: 96.41%; IoU: 93.06%), reduciendo significativamente la interferencia de sombras/nubes. (2) SE-ResUNet superó a ResUNet en un 3.53% para OA y un 8.09% para IoU, enfatizando su capacidad para recalibrar características por canal y refinar detalles de los bordes. (3) El modelo mostró robustez en diversas pendientes/aspectos (OA > 93.5%), mitigando las clasificaciones erróneas inducidas por el terreno. Este estudio proporciona una solución escalable para el mapeo de tierras agrícolas montañosas, apoyando la agricultura de precisión y la gestión sostenible de la tierra.