冬小麦是我国北方重要粮食作物之一,及时准确获取冬小麦分布信息对制定相关农业政策、优化冬小麦种植分布区域以及我国粮食安全等方面有重要意义。高分二号是我国首颗民用亚米级的高分辨遥感卫星,为我国农业遥感研究提供优质数据支持。目前,传统遥感技术仍是获取冬小麦分布信息最常用手段,但其存在提取精度低、自动化程度不足的问题,因此本文以山东省泰安市岱岳区为研究区,高分二号遥感影像为数据源,提出一种基于改进的Deeplabv3+的冬小麦分布信息提取方法。本文主要研究内容及结论如下:（1）针对遥感影像中冬小麦像元内部差距较小,边界像元分类困难问题,对Deeplabv3+模型进行以下改进:引入注意力机制,有效恢复边缘细节特征;采用Mobilenetv2主干提取提取特征,降低过拟合的同时轻量化网络;替换归一化方法,降低批次大小对归一化效果的影响。在冬小麦提取数据集上对改进前后的Deeplabv3+模型进行训练,在测试集上提取精确率达到96.03%,相比改进前提高了1.78%。（2）利用冬小麦提取数据集,验征本文提出改进的有效性。实验结果表明采用Mobilenetv2为主干网络,单轮迭代时间由947s降低到462s,单张预测时间由156ms降低到35ms,参数量由209MB降低到22.3MB,有效缓解过拟合问题,减轻模型训练对硬件条件的依赖,显著提高模型的性能;通过消融实验的结果可以看出,仅使用Mobilenetv2主干网络,虽然平均交并比降低0.43%,但在添加注意力机制后提升幅度更大,提高了2.38%,而Xception主干仅提高了0.91%;添加组归一化后平均交并比提高0.62%,以上结果证明了改进的有效性。（3）选择冬小麦分布集中且占比大和冬小麦分布分散且占比小的两个区域,利用本文提出的方法同其他深度学习和传统遥感方法进行对比。结果表明,本文提出的基于Deeplabv3+的冬小麦分布信息提取方法精确率分别达到了96.55%、97.27%;而非监督分类、监督分类、Unet精确率分别为85.53%、87.71%;90.51%、92.78%;93.92%、96.82%。可以看出本文提出的方法精度最高,且两幅影像上精度差距最小,证明本文提出方法的优越性。（4）利用本文改进方法对岱岳区夏张镇和徂汶区徂徕镇的冬小麦分布信息进行提取,结合外业验证点计算提取精度,精度分别达到了93.6%,92.2%;同时,依据提取获得的夏张镇冬小麦分布信息,求得2020年夏张镇冬小麦种植面积为4.22万亩,与岱岳区政府提供的4.5万亩相差仅为0.28万亩,相对误差为6.22%,证明了本文提出方法具有现实意义。