CLOUD-BASED MULTI-TEMPORAL SAR-OPTICAL FUSION USING RANDOM FOREST FOR GEOSPATIAL INTELLIGENCE MONITORING OF KIPP IKN NUSANTARA
Fajar Sidik Suganda · Asep Adang Supriyadi
提出云端多时相SAR-光学融合与随机森林方法，监测印尼新首都核心区土地覆盖变化。
Google Earth Engine处理Sentinel-1/2影像，构建12
融合分类精度达88.89%，检测到899.64公顷植被转建设用地，建成区扩张60%。
可迁移至多云农业区作物监测，探索融合特征优化与跨区域泛化能力。
该研究聚焦印尼新首都建设的遥感监测，属地理空间情报领域，与三农、农业信息化、智慧农业等主题无直接关联，故不进入每日精选。
印度尼西亚新首都（IKN）努山塔拉的开发，在加里曼丹持续云覆盖下推动了一个战略性的17,599公顷区域发生剧烈的土地覆盖转变，仅依靠光学遥感不足以实现持续监测。本研究提出了一种基于云的多时相SAR-光学融合方法，采用随机森林分类对IKN核心政府区（KIPP）进行地理空间情报（GEOINT）监测。利用Google Earth Engine，我们处理了2022年的70景Sentinel-1 GRD和52景Sentinel-2影像，以及2024年的61景和81景影像，构建了一个12波段融合数据集（SAR后向散射VV、VH、VV/VH；光学B2、B3、B4、B8、B11、B12；以及NDVI、NDBI、NDWI）。六组实验比较了仅SAR、仅光学和融合配置。随机森林融合在2022年达到88.89%的总体精度和0.8609的kappa系数，2024年为85.12%和0.8127（依据ESA WorldCover 2021类别定义进行评估；见第2.7节），优于仅SAR（63.20%）和仅光学（86.44%）。变化检测揭示了899.64公顷的植被直接转为建成区，IKN建设推动建成区面积扩张60%。这是首个应用于KIPP IKN监测的基于云的多时相融合框架，对空间规划、安全监控和环境合规具有重要意义。