JAG2026
基于数据校准和CNN模型的复杂山区植被冠层高度反演
针对复杂山地地区植被冠层高度反演易受地形起伏、地表覆盖空间异质性及星载激光雷达对低矮植被探测能力不足等因素影响，导致冠层高度估计精度受限的问题，提出一种融合GEDI星载激光雷达高度标签区域校准与多源遥感数据的10 m空间分辨率植被冠层高度反演方法。该方法首先针对GEDI在低矮植被区域存在的冠层高度高估问题，构建结合随机森林回归（Random Forest Regression，RFR）与多元线性回归（Multiple Linear Regression，MLR）的区域校准模型，对原始GEDI高度标签进行偏差修正，提高训练样本在复杂地形及不同植被类型下的可靠性；其次，将校准后的冠层高度标签与多源遥感观测数据相结合，充分挖掘光学遥感影像及其他辅助特征与植被垂直结构之间的关联关系，实现冠层高度的高空间分辨率估计；进一步结合不同地表覆盖类型的光谱与空间特征，增强模型对森林、灌丛和草地等不同植被类型的适应能力，提高植被空间分布边界的识别精度与冠层高度表征能力。该研究将星载激光雷达观测偏差校准与多源遥感特征融合相结合，为复杂山地环境下的精细化植被冠层高度制图、地上生物量估算、生态系统结构评估及森林资源管理提供了新的技术途径。