葡萄作为宁夏回族自治区的特色产业之一,已经在宁夏的经济发展中占据重要地位。目前,宁夏葡萄种植区的葡萄以酿酒葡萄为主,已经引起世界范围内葡萄与葡萄酒业界的广泛关注。葡萄种植区的空间分布提取对宁夏葡萄产业的发展具有重要作用,因此,对宁夏葡萄种植区进行精细化空间分布的提取已成为一项重要需求。针对上述需求,本文选择宁夏回族自治区为研究区,以GF-2号影像为数据源,利用遥感技术,以自主开发的宁夏葡萄种植区提取系统作为辅助工具,并在卷积神经网络的基础上,对Refine Net网络模型进行改进,用于对宁夏回族自治区的葡萄种植区进行提取。本文首先使用改进的Refine Net网络模型对宁夏回族自治区的葡萄种植区进行初提取,在初提取基础上使用本文设计算法对提取结果进行优化处理,有效提高了提取精度,具体工作内容如下:（1）对影像进行预处理,制作数据集。通过当地专家指导并查阅相关资料,研究葡萄生长的整个发育期,结合提取要求对葡萄物候进行分析,推测葡萄最佳时相影像对应的时间段。下载宁夏回族自治区相关时段的GF-2号遥感影像并进行目视解译分析,用于葡萄种植区的提取工作。将下载好的2020年10月下旬以及11月上旬能够覆盖宁夏回族自治区葡萄种植区的高分二号遥感影像进行预处理工作,其中包括影像的辐射定标、大气校正、正射校正和影像融合等。（2）使用网络模型对数据集进行训练及测试。选择3幅预处理后的GF-2号遥感影像并使用地理信息软件对其真实类别进行标记,通过切割工具对影像进行切割并制作卷积神经网络模型所需数据集。本文使用改进后的Refine Net网络对宁夏回族自治区的葡萄种植区进行提取,训练完成后对影像进行测试,并将测试结果根据对应关系进行拼接,使其与原始影像完全对应。（3）对识别结果中存在的小图斑问题和边缘锯齿化问题设计算法进行优化处理。针对小图斑,本文考虑了图斑面积阈值和图斑距离阈值两方面问题来判定某图斑是否为需要消除的真实图斑,并将真实图斑进行消除;针对边缘不平滑问题,本文选择使用适合遥感影像的PC-CRF模型对边缘进行平滑性修复,有效改善了边缘的平滑性。实验结果证明,使用本文算法后准确率为94.3%,精确率为93.4%,召回率为95.1%,识别错误率降低了10.7%,充分说明了本文优化处理算法的优势。（4）设计开发宁夏葡萄种植区提取系统。本系统使用C++语言结合Qt开发框架,实现了对GF-2影像的加载及预处理,还包括后期对影像的提取工作和结果对比工作。