Die Höhe der Waldkronen ist ein entscheidender Parameter der vertikalen Waldstruktur, dessen präzise Bestimmung in der Kohlenstoffkreislauf- und oberirdischen Biomasseforschung eine unverzichtbare Rolle spielt. Mit der kontinuierlichen Entwicklung der Fernerkundungstechnologie bieten Mehrfachfernerkundungsdaten neue Möglichkeiten für die großflächige Abschätzung der Kronenhöhe bei der Waldüberwachung. In dieser Studie wird ein Modell (RF-EBK) vorgeschlagen, das den zufälligen Wald (Random Forests, RF) und das empirische Bayes-Krigen (Empirical Bayesian Kriging, EBK) zur regionalen Abschätzung der Waldkronenhöhe im Nordosten Chinas (NEC) kombiniert. Dieses Modell basiert auf diskreten Kronenhöhendaten des ICESat-2-Satelliten, Bildern von Landsat 8 OLI, topographischen Daten der Shuttle Radar Topography Mission (SRTM) und Waldkronendeckungsdaten, das zuerst das Recursive Feature Elimination-Cross Validation (RFE-CV) Verfahren zur Auswahl von charakteristischen Faktoren aus den extrahierten Mehrfachfernerkundungsdaten verwendet, die Kronenhöhe mittels des RF-Modells schätzt und die Schätzungsrückstände des Testsets berechnet. Basierend auf der räumlichen Autokorrelation der Schätzungsrückstände, werden die Schätzungsrückstände mittels des EBK-Verfahrens modelliert, um kontinuierliche räumliche Interpolationsrückstände in der Untersuchungsregion zu erhalten, und die Schätzungsrückstände des RF-Modells zur Verbesserung der Schätzgenauigkeit des Modells effektiv korrigiert werden, um schließlich eine hochpräzise Abschätzung der Waldkronenhöhe von 30 m im Nordosten Chinas im Jahr 2023 zu erreichen. Die Ergebnisse zeigen, dass die charakteristischen Faktoren der Waldkronendeckung bei der Abschätzung der Kronenhöhe wichtig sind. Das RF-EBK-Modell hat in Bezug auf die Modellgenauigkeit eine bessere Schätzleistung als das alleinige RF-Modell, wobei sich eine Erhöhung von 59,52% bei R² des Validierungssatzes und eine Verringerung von 27% bei RMSE und rRMSE ergibt. Darüber hinaus werden Daten der unbemannten Luftfahrzeug-Laserfernerkundung (Unmanned Aerial Vehicle Laser Scanning, ULS) an 6 Probepunkten in der Untersuchungsregion zur Überprüfung der Schätzgenauigkeit des RF-EBK-Modells verwendet, wobei sich ein R² von 0,69, RMSE von 1,65 m und rRMSE von 7,81% ergeben. Zusammenfassend kann das RF-EBK-Modell eine hochpräzise Abschätzung der Waldkronenhöhe auf regionaler Ebene durchführen und damit eine effektive technische Unterstützung für das präzise Forstmanagement und die nachhaltige Bewirtschaftung der Waldressourcen im Nordosten Chinas bieten.

ICESat-2, unbemannte Luftfahrzeug-Laserfernerkundung, Landsat 8 OLI, zufälliger Wald, empirisches Bayes-Krigen