近年来,随着遥感卫星的不断发射,越来越多的遥感数据被用于作物种植面积提取。该方法的技术关键点在于作物识别。而作物最佳时相的选择,能提高作物识别精度。最佳时相是指基于作物光谱信息分类时,在其所对应的作物生长季候期,能够最大化区分不同作物种类的时段。作物生长发育期可由作物发育过程所经历的积温推算得到,因此利用气象数据,可通过作物发育期积温推算方法获得该年份作物最佳时相对应的时段,由此反推该时段内的遥感影像过境日期,进而快速确定该日期范围内的遥感影像资料,此乃最佳时相的遥感影像数据。在作物种植面积提取方面,传统的方法存在人为干扰大、准确率和提取效率较低,且不同时相影像间指标不通用等问题。本论文以贺兰山东麓酿酒葡萄种植面积为对象,利用遥感数据结合气象数据,构建深度学习和迁移学习融合的算法,对酿酒葡萄种植区遥感影像进行作物分类,之后提取面积。最后基于C#语言结合Arc Engine实现种植面积提取算法及软件开发。本文的主要工作内容如下:(1)最佳时相确认,本文利用MODIS数据提取NDVI指数,结合气象学中的积温数据,构建了NDVI的积温反演推算模型,可快速获得酿酒葡萄信息提取的最佳时相。(2)遥感影像预处理,将获取的最佳时相内的遥感影像经过预处理、样本标注、分割、数据增强等一系列处理,构建葡萄种植区遥感分类数据集,作为深度迁移学习的目标领域数据集。(3)深度迁移学习模型构建,提出一种基于全卷积神经网络的遥感影像分类算法,结合迁移学习,将VGG-16网络的前十三层用作本文构建的全卷积网络模型的特征提取层,并利用在大型源数据集上训练好的模型迁移到本文构建的深度神经网络模型中,对(2)构建的葡萄种植区遥感分类数据集进行训练,然后对训练好的网络进行测试,提取葡萄种植区。(4)种植信息提取,构建样方,利用人工目视解译出样方内实际葡萄种植区,并用本文构建的深度迁移学习预测出样方内葡萄种植区,然后对两种结果进行面积提取,进而得出面积提取精度。(5)平台开发,利用C#语言结合ArcEngine在Visual Studi2012软件平台开发了葡萄种植面积提取系统。