La hauteur de la canopée forestière en tant que paramètre clé de la structure verticale de la forêt joue un rôle indispensable dans le cycle du carbone et les études de biomasse aérienne des forêts. Avec le développement des technologies de télédétection, les données de télédétection multi-sources offrent de nouvelles possibilités pour estimer la hauteur de la canopée forestière à grande échelle dans le cadre de la surveillance des forêts. Cette étude présente un modèle (RF-EBK) combinant la méthode de forêt aléatoire (RF) et la méthode de krigeage bayésien empirique (EBK) pour estimer la hauteur de la canopée forestière à l'échelle régionale dans le nord-est de la Chine (NEC). Ce modèle est basé sur les données de hauteur de la canopée spatiale ICESat-2, les images Landsat 8 OLI, des données topographiques de la mission SRTM et des données de couverture de la canopée forestière (CATCD), en utilisant d'abord la méthode d'élimination récursive des caractéristiques avec validation croisée (RFE-CV) pour sélectionner les caractéristiques extraites des données de télédétection multi-sources, estimer la hauteur de la canopée forestière à l'aide du modèle RF, et calculer les résidus d'estimation de l'ensemble de test. Sur la base de l'autocorrélation spatiale des résidus, en utilisant la méthode EBK pour modéliser les résidus de l'estimation, on obtient un résultat de krigeage des résidus de l'estimation pour la région et une correction des résidus de l'estimation du modèle RF, ce qui améliore considérablement la précision du modèle, et finalement fournit une estimation précise de la hauteur de la canopée forestière avec une résolution élevée dans le nord-est de la Chine en 2023. Les résultats montrent que les facteurs de couverture de la canopée forestière ont une importance élevée dans l'estimation de la hauteur de la canopée forestière. En termes de précision du modèle, le modèle RF-EBK a des performances d'estimation supérieures par rapport à l'utilisation du seul modèle RF, le coefficient de détermination de l'ensemble de validation augmente de 59,52%, le RMSE et le rRMSE diminuent de 27%. De plus, la précision de validation du modèle RF-EBK a été confirmée en utilisant les données de télédétection laser par drone collectées dans la région d'étude de 6 points d'échantillonnage, avec un coefficient de détermination de 0,69, un RMSE de 1,65 m et un rRMSE de 7,81%. En fin de compte, le modèle RF-EBK peut fournir une estimation précise de la hauteur de la canopée forestière à l'échelle régionale, offrant un support technique efficace pour une gestion sylvicole précise et une exploitation durable des ressources forestières dans le nord-est de la Chine.

ICESat-2، télédétection laser par drone, Landsat;8;OLI, forêt aléatoire, krigeage bayésien empirique