في استخراج المستنقعات الصغيرة والمتوسطة بشكل أكثر دقة في نطاق واسع ، فإنه يعتبر أمرًا مهمًا لتعزيز بناء الحضارة البيئية بشكل أعمق. تعتمد هذه الورقة على خصائص الظاهرة وخصائص صور الرادار ذات المكانة السطحية متعددة الأقواس لإنشاء نظام تصنيف للمستنقعات ، وتستخدم نموذج تصنيف متعدد الأقواس MultiRocket-RF بناءً على اختلاف انتشار الرادار Sentinel-1 الأفقي في فترات فصلية لاستخراج المستنقعات. بالإضافة إلى ذلك ، بناءً على عتبة المساحة التي تبلغ 5 هكتارات كتعريف للمستنقعات الصغيرة والمتوسطة ، تم تقديم طريقة لتخفيف مشكلة لصق اللفات المستنقعية للحد من ارتباط المستنقعات الصغيرة والمتوسطة لأخرى غير مستنقعية. وأخيرًا ، باستخدام منطقة العطاء البيئية المتكاملة لتطوير منطقة الشريط الأخضر البيئي المتكاملة في منطقة التجربة لتحليل وتحقق فعالية نموذج استخراج المستنقعات الصغيرة والمتوسطة. تشير النتائج إلى: (1) يمكن للبيانات الزمنية للرادار SAR ونموذج التصنيف الزمني MultiRocket-RF أن تتكيف بشكل جيد مع نظام التصنيف الزمني للمستنقعات على أساس الظواهر الحيوي ، وأداء ممتاز في استخراج جميع أنواع المستنقعات ، حيث بلغت الدقة الكلية 93.6٪ وكانت معامل كابا 0.888 ، وكانت درجة Macro-F1 0.804 ، خاصة بالنسبة لاستخراج النباتات المائية والنباتات الخشبية في المستنقعات الصغيرة والمتوسطة ، وفي مناطق الغمر الفصلية. (2) يمكن للتخفيف من مشكلة لصق اللفات المستنقعية أن يزيد من دقة استخراج المستنقعات الصغيرة والمتوسطة ، على الرغم من أن معامل كابا لم يتغير بشكل ملحوظ ، إلا أن درجة Macro-F1 زادت من 0.798 إلى 0.804 ، وكانت دقة استخراج كل فئات المستنقعات الصغيرة والمتوسطة بشكل عام أفضل. (3) ينطبق النموذج على استخراج المستنقعات الصغيرة والمتوسطة التي تزيد عن هكتار واحد ، ولكن نتيجة لتشوهات النقاط وتشوهات الهندسة ، كان أداء الاستخراج للمستنقعات الصغيرة والمتوسطة الذي يقل عن هكتار واحد أقل جودة. في هذه الورقة ، توسعت أيضًا تطبيقات بيانات SAR في نفس الوقت ، كما قدمت طريقة جديدة لاستخراج المستنقعات الصغيرة والمتوسطة.

remote sensing;phenology;small wetlands;backscatter coefficient;coherence coefficient;MultiRocket transformation;Random Forest