白静远，宁纪锋，郭交，等．基于改进ＵＰｅｒＮｅｔ和国产高分遥感数据的冬小麦种植区提取［Ｊ］．江苏农业科学，２０２３，５１（１３）：２０３－２１２．ｄｏｉ：１０．１５８８９／ｊ．ｉｓｓｎ．１００２－１３０２．２０２３．１３．０３１基于改进ＵＰｅｒＮｅｔ和国产高分遥感数据的冬小麦种植区提取白静远１，宁纪锋１，２，郭交２，杨蜀秦２，张智韬３（１．西北农林科技大学信息工程学院，陕西杨凌７１２１００；２．陕西省农业信息感知与智能服务重点实验室，陕西杨凌７１２１００；３．西北农林科技大学水利与建筑工程学院，陕西杨凌７１２１００）摘要：遥感技术能够获取大区域下冬小麦的空间分布，为冬小麦估产提供良好基础。基于２０２０年５月４日的高分２号多光谱卫星影像，构建包含光谱特征和植被指数的数据集，并通过改进ＵＰｅｒＮｅｔ模型的上采样结构、激活函数以及增加注意力模块来优化模型提取冬小麦效果。选取杨凌示范区２块地物类型丰富地区作为研究区域，以此探究方法的可行性；然后基于最优方法，提取杨凌区冬小麦种植区域。研究区域结果表明，与仅使用光谱信息作为模型输入特征相比，基于多光谱和植被指数的分类效果更好。在融合光谱特征和植被指数的数据集上，改进的ＵＰｅｒＮｅｔ模型分类精度最高，冬小麦提取精度为９７．７８％，总体分类精度相比于改进前的ＵＰｅｒＮｅｔ提升了２．４９％，对比ＤｅｅｐＬａｂＶ３＋提升了３．４８％。基于改进方法，实现了杨凌示范区的冬小麦种植区提取；通过实地调查以及对比统计年鉴数据的方式，验证了杨凌示范区冬小麦空间分布与实际情况基本一致。改进后的ＵＰｅｒＮｅｔ模型能够有效区分遥感数据中的地物类别，提升冬小麦种植区域提取精度，也为基于卫星影像获取冬小麦空间分布提供了技术支持。关键词：冬小麦；种植区提取；语义分割；高分卫星；ＵＰｅｒＮｅｔ中图分类号：Ｓ１２７文献标志码：Ａ文章编号：１００２－１３０２（２０２３）１３－０２０３－０９收稿日期：２０２２－１０－０４基金项目：陕西省自然科学基础研究计划（编号：２０２２ＪＭ－１２８）。作者简介：白静远（１９９８—），男，陕西蒲城人，硕士研究生，从事卫星遥感图像分类等研究。Ｅ－ｍａｉｌ：ａ８２０４３９６１２＠ｎｗａｆｕ．ｅｄｕ．ｃｎ。通信作者：宁纪锋，博士，教授，从事计算机视觉、模式识别和机器学习研究。Ｅ－ｍａｉｌ：ｎｊｆ＠ｎｗｓｕａｆ．ｅｄｕ．ｃｎ。冬小麦是我...
