Мангровые леса - одна из самых разнообразных по биологическому разнообразию и продуктивности морских экосистем, и точное классифицирование мангровых сообществ с использованием высокоразрешающих спутниковых снимков и глубокого обучения стало горячей точкой и трудной задачей современных исследований. В этой статье предлагается новая модель глубокого обучения сетевой модели классификации на основе механизма внимания окна и пустотного пространства визуализатора SSAFormer (Swin-Segmentation-Atrous-Transformer) для точной классификации мангровых сообществ. Модель использует визуальный трансформатор в виде основной сети, внутри сети добавляется сверточная нейронная сеть CNN (Convolutional Neural Network) и пирамида пустотного пространства для извлечения большего количества масштабных признаков, в легком декодере встраивается структура пирамиды признаков FPN (Feature Pyramid Network) для объединения богатых семантических признаков нижнего и верхнего уровней. Для синтеза воздействия на резултаты классификации мангрово

remote sensing;mangrove;GF-7 multispectral;UAV-LiDAR point clouds;SSAFormer;deep learning;Active and passive image combination;feature selection;Fine classification of community