より広範囲での小規模湿地のより正確な抽出は、生態文明建設の一層の強化に重要な意義を持ちます。本研究は、フェノロジー特性と合成開口レーダー（Synthetic Aperture Radar, SAR）画像の特性を組み合わせて湿地の分類体系を構築し、MultiRocket-RF時系列分類モデルを用いて、異なるフェノロジー期間におけるSentinel-1レーダービームの散乱差に基づき湿地を抽出しました。さらに、5ヘクタールを面積の閾値として小規模湿地を定義した基盤の上に、湿地斑の貼り付き問題を緩和する方法を提案し、小規模湿地が非小規模湿地と誤分類されることを減らしました。最後に、長江デルタ生態グリーン統合発展示範囲を事例として、小規模湿地抽出モデルの有効性を分析・検証しました。結果は次の通りです：（1）SAR時系列データとMultiRocket-RF多変量時系列分類モデルの組み合わせは、フェノロジーに基づく湿地分類体系によく適応し、各種湿地の抽出効果が優れており、全体精度は93.6％、カッパ係数は0.888、Macro-F1スコアは0.804であり、特に小規模湿地中の浸水草本および木本植生、季節的浸水域の抽出に優位性がありました；（2）湿地斑の貼り付き問題の緩和により、小規模湿地の抽出精度が向上し、カッパ係数には有意な変化はなかったものの、Macro-F1スコアは0.798から0.804に向上し、混同行列における各種小規模湿地の抽出精度が全体的に良好でした；（3）モデルは1ヘクタール以上の小規模湿地の抽出に比較的適しているが、ドットノイズや幾何学的歪みなどの影響により、1ヘクタール未満の小規模湿地の抽出効果は不十分でした。以上より、本研究はSARデータの応用領域を拡大し、小規模湿地の抽出に新たな技術的思考を提供しました。

リモートセンシング;フェノロジー;小規模湿地;後方散乱係数;コヒーレンス係数;MultiRocketコンバーター;ランダムフォレスト