Die Höhe der Waldkrone ist ein entscheidender Parameter der vertikalen Struktur von Wäldern, deren präzise Messung eine unabdingbare Rolle in der Erforschung des Kohlenstoffkreislaufs und der oberirdischen Biomasse (AGB) spielt. Mit der kontinuierlichen Entwicklung der Fernerkundungstechnologie bieten Mehrfach-Fernerkundungsdaten neue Möglichkeiten zur Schätzung der Kronenhöhe bei der großflächigen Waldüberwachung. Diese Studie schlägt ein Modell (RF-EBK) vor, das zufällige Wälder (RF) und empirisches Bayes-Kriging (EBK) kombiniert, um die regionale Schätzung der Waldkronenhöhe in der nordostchinesischen Region (NEC) durchzuführen. Das Modell basiert auf diskreten Kronenhöhendaten des Satellitenlasers ICESat-2, OLI-Bildern von Landsat 8, topografischen Daten der Shuttle Radar Topography Mission (SRTM) und Waldkronendeckungsdaten (CATCD), zunächst wird die Methode der rekur­siven Feature-Eliminierung-Cross-Validation (RFE-CV) zur Auswahl von aus den Mehrfach-Fernerkundungsdaten extrahierten Merkmalen angewendet, um die Waldkronenhöhe mit dem RF-Modell zu schätzen und die geschätzten Restwerte des Testdatensatzes zu berechnen. Basierend auf der räumlichen Autokorrelation der geschätzten Restwerte wird die EBK-Methode zur Modellierung der geschätzten Restwerte verwendet, um das Ergebnis der kontinuierlichen räumlichen Interpolation der Restwerte in der Untersuchungsregion zu erhalten und die RF-schätz­ergebnisse zu korrigieren, um die Modellschätzgenauigkeit effektiv zu verbessern und schließlich die hochpräzise Schätzung der Waldkronenhöhe in Nordostchina im Jahr 2023 zu erreichen. Die Ergebnisse zeigen, dass die Merkmale der Waldkronendeckung bei der Kronenhöhenschatzung erheblich sind. In Bezug auf die Modellgenauigkeit weist das RF-EBK-Modell im Vergleich zur ausschließlichen Verwendung des RF-Modells eine bessere Schätzleistung auf, wobei R² des Validierungsdatensatzes um 59,52% verbessert wird, RMSE und rRMSE jeweils um 27% verringert werden. Darüber hinaus werden mit unbemannten Flugzeugen gesammelte ULS-Daten an 6 Probenpunkten in der Untersuchungsregion zur Überprüfung der Schätzgenauigkeit des RF-EBK-Modells verwendet, wobei R² 0,69, RMSE 1,65 m und rRMSE 7,81 % beträgt. Zusammenfassend lässt sich sagen, dass das RF-EBK-Modell eine hochpräzise Schätzung der Waldkronenhöhe in regionaler Größenordnung ermöglichen kann, was eine effektive technische Unterstützung für das präzise Forstmanagement und die nachhaltige Bewirtschaftung der Waldressourcen in Nordostchina bietet.

ICESat-2, UAV-LIDAR, Landsat 8 OLI, zufällige Wälder, empirisches Bayes-Kriging