الغابات الحمراء هي واحدة من أكثر أنظمة البيئة البحرية تنوعًا للحياة البرية وأعلى إنتاجية، وقد أصبح تصنيف مجتمعات الغابات الحمراء بدقة باستخدام الصور عن بعد عالية الدقة والتعلم العميق موضوعًا ساخنًا وصعبًا في البحوث الحالية. يقدم هذا البحث نموذجًا جديدًا لشبكة تصنيف التعلم العميق SSAFormer (Swin-Segmentation-Atrous-Transformer) الذي يعتمد على آلية انتباه النافذة والمسافة المجوفة لتحويل الرؤية لتصنيف مجتمعات الغابات الحمراء بدقة. يعتمد هذا النموذج على Swin Transformer كهيكل رئيسي في شبكة العنقود العصبي العميق، وقد أضيفت شبكة تصادمية (CNN) وهرم تكبير المساحة المجوفة (ASPP) إلى شبكة العنقود الرئيسية لاستخراج معلومات الميزات على مقياس أكبر. تم تضمين بنية هرم الميزات (FPN) في فك المشفر الخفيف لدمج معلومات الميزات الدلائل والعالية في الصورة. يستخدم هذا البحث بيانات الاستشعار عن بُعد النشطة والسلبية من القمر الصناعي Gaofen-7 (GF-7) وصورة الطيف الكثافة ونقطة السحابية UAV-LiDAR لبناء ثلاثة مجموعات بيانات، ويقارن ويحلل نتائج تصنيف SegFormer وخوارزمية Swin Transformer المحسنة في هذا البحث، ويبرهن بشكل أفضل على أداء خوارزمية SSAFormer في تصنيف مجتمعات الغابات الحمراء. تشير النتائج إلى أن (1) SSAFormer حقق تصنيف دقيق للغابات الحمراء، حيث ارتفعت دقة Kappa 0.8952 بمعدل MIoU 7.68٪ في المتوسط؛ (2) في مجموعة بيانات الطيف الكثافة (GF-7) حققت خوارزمية SSAFormer أعلى دقة شاملة (OA) بنسبة 91٪، وفي مجموعة بيانات السحابية UAV-LiDAR زاد MIoU إلى 57.68٪، ومع إضافة ميزات الطيفية لمجموعة بيانات الطيف الكثافة ونقطة السحابية UAV-LiDAR، زادت MIoU المتوسطة لخوارزمية SSAFormer بمقدار 1.48٪؛ (3) ارتفع MIoU لبيانات نقطة السحابية UAV-LiDAR مقارنة ببيانات الطيف الكثافة بمقدار 5.35٪ بالمتوسط، وزاد معدل الدقة الشاملة لبيانات الطيف الكثافة 1.81٪ بالمتوسط، كما ارتفعت دقة تصنيف البيانات الطيفية لنقطة السحابية UAV-LiDAR (F1-score) بنسبة 2.6٪؛ (4) حققت خوارزمية SSAFormer دقة تصنيف متميزة لأشجار الزيتون 97.07٪، وحققت دقة تصنيف أشجار البنفسج 91.99٪، وبلغت دقة تصنيف نباتات القش 93.64٪، ووصلت متوسط دقة تصنيف أشجار البنفسج لخوارزمية SSAFormer 86.91٪. تمكنت خوارزمية SSAFormer المقترحة في هذا البحث من رفع كفاءة تصنيف مجتمعات الغابات الحمراء بنجاح.

الاستشعار عن بُعد; الغابات الحمراء; الطيف الكثافة GF-7; نقطة السحابية UAV-LiDAR; خوارزمية SSAFormer; التعلم العميق; رادار الصور النشط والسلبي