リモートセンシング技術は、その広範囲なカバレッジ、高い時効性および多次元情報取得能力により、林業調査の重要なツールとなっている。マルチスペクトルリモートセンシング画像は高い空間分解能とスペクトル分解能を有し、異なる地物間のスペクトル差異を効果的に捉えることができる。一方、合成開口レーダー（SAR）データは安定した地表構造情報とテクスチャ特徴を提供し、スペクトル特徴の重要な補完となる。しかし、能動型および受動型リモートセンシングデータ間のモーダル構造および情報表現の差異により、融合効果は限定的となり、分類精度に影響を及ぼすことがある。この問題に対処するため、本研究では雲南省普洱市の一部地域を研究対象に選び、3種類の森林樹種（群）（スモウマツ、ユーカリ、カシ類）および1種類の経済林地（茶園）とその他3種類の地物を分類対象とし、小規模サンプル条件下で能動・受動リモートセンシングデータを融合する森林分類深層学習ネットワークを構築した。本手法はSentinel-2のマルチスペクトル画像とSentinel-1のSAR画像データを融合し、マルチスペクトル画像を主導としたクロスアテンション融合ネットワークを提案、学習可能なドロップアウト率を持つ正則化ゲート機構を導入して、セルフアテンションとクロスアテンション特徴の動的融合調整を実現している。融合過程においてモデルはセルフアテンション機構によりマルチスペクトルの顕著特徴を抽出し、クロスアテンションがSARの重要領域への応答を誘導し、特徴融合段階では各モダリティ情報の寄与度を動的に制御する。実験結果は、提案手法が複数の融合戦略および融合階層の比較において最良の性能を示し、全体分類精度は95.24%、ユーカリ、茶園、カシ類およびスモウマツの分類精度はそれぞれ96.78%、94.07%、91.73%、92.90%であることを示した。本研究はクロスアテンション機構が能動・受動リモートセンシング情報の協調モデリングに有効であることを検証し、複雑環境下でのマルチソースリモートセンシング森林分類に対する実用的なアイデアと技術的支援を提供する。

Sentinel-2;Sentinel-1;クロスアテンション;特徴融合;森林分類;プロトタイプネットワーク;Concrete Dropout