Le système TanDEM-X InSAR à double station a été appliqué avec succès pour la production de modèles numériques d'élévation globaux. Cependant, en raison des limitations de la pénétration du signal SAR en bande X et de l’influence de la diffusion volumétrique des forêts, les DEM extraits dans les régions forestières contiennent des signaux forestiers significatifs. Par conséquent, afin de réduire l'impact de la diffusion volumétrique des forêts sur la mesure InSAR lors de l'estimation du terrain sous la canopée à partir des données TanDEM-X InSAR, cette étude propose une méthode basée sur l'apprentissage automatique combinant les données TanDEM-X InSAR, ICESat-2 et Landsat 8 pour estimer le terrain sous la canopée. Pour valider l'efficacité de la méthode proposée, deux zones d'essai présentant différentes conditions de terrain et types de forêts (zone tropicale du Gabon et zone nord de l'Espagne) ont été sélectionnées et testées, avec une évaluation de précision utilisant un DTM LiDAR aéroporté de haute précision. Les résultats montrent qu’à la zone tropicale du Gabon, le RMSE de l’estimation du terrain sous la canopée est de 5,45 m et 5,91 m dans deux zones de validation, ce qui représente une amélioration de plus de 60 % de la précision par rapport aux résultats du DEM InSAR de 14,70 m et 18,58 m ; dans la zone forestière du nord de l'Espagne, le RMSE est également réduit de 6,05—9,10 m à 3,06—4,42 m. En somme, cette étude fournit une solution efficace et robuste pour l’estimation précise du terrain sous la canopée à grande échelle en utilisant le système InSAR à bande X à double station.

terrain sous la canopée; interférométrie radar à synthèse d'ouverture; hauteur du centre de phase; apprentissage automatique; TanDEM-X; ICESat-2