准确和及时的农作物制图对于农业精细化管理和粮食战略安全至关重要。由于不同作物之间的光谱相似性，以及遥感作物测绘中经常出现的图像分辨率、边界模糊和盐碱地噪声等因素影响，遥感作物测绘目前仍面临巨大的挑战。本文提出一种扩展目标像素为中心的邻域窗口，扩大模型的感受野，并通过多尺度网络提取不同邻域大小的空间和光谱特征的方法。此外，我们还设计了一个坐标卷积模块和一个注意力卷积模块来进一步增强邻域的空间信息和光谱特征。在内蒙古呼伦贝尔地区大豆玉米等主粮作物提取的实验结果表明，该方法在OA、Kappa系数、F1分数和IOU等方面分别获得了0.9481、0.9115、0.9307和0.8729的评价结果，优于其他方法（CNN、MLP和RFC）。不同邻域窗口大小的实验对比结果表明，通过扩大邻域窗口，可以有效地减少作物制图中的噪声和边界模糊问题。在消融实验中还表明，坐标卷积模块和注意力卷积模块在网络中发挥了积极作用。本文提出的方法可以为遥感作物制图提供可靠的技术支持。
 

多尺度特征；遥感；农作物；分类