摘要：准确的湿地分类可掌握湿地时空分异特征,在湿地研究中占据重要地位。针对现有基于小样本学习的湿地分类方法仅局限于利用目标域或单源域数据的问题,本文提出一种3D多源域自注意力小样本学习模型3DMDAFSL(3D Multi-source Domain self-Attention Few-Shot Learning)。首先,结合卷积和注意力机制的优势,设计基于自注意力机制和深度残差卷积的3D特征提取器;然后,采用对抗域自适应策略实现多源域特征对齐,在每个域分别进行小样本学习;最后,利用训练好的模型提取特征,并将特征输入至K近邻(K-nearest Neighbor)分类器以获取分类结果。结果表明,3D特征提取器相比无特征提取框架的湿地总体分类精度提升约6.79%;当使用多源域数据集时,3D-MDAFSL模型对中山市Sentinel-2湿地数据集的总体分类精度能达到93.52%,相比于现有算法有明显提升。本文所提出的3D-MDAFSL模型在湿地地物高精度提取和分类中有较好的应用价值。