쌍위치 TanDEM-X InSAR 시스템은 전 세계 디지털 고도 모델 생산에 성공적으로 적용되었습니다. 그러나 X-밴드 SAR 신호의 투과 능력 제한과 숲 부피 산란 영향으로 인해 숲 지역에서 추출된 DEM에는 심각한 숲 신호가 포함되어 있습니다. 따라서 TanDEM-X InSAR 데이터로 지하 지형을 추정하는 과정에서 숲 부피 산란이 InSAR 고도 측정에 미치는 영향을 줄이기 위해 본 연구에서는 기계 학습을 기반으로 TanDEM-X InSAR, ICESat-2 및 Landsat 8 데이터를 결합하여 지하 지형을 추정하는 방법을 제안합니다. 제안된 방법의 유효성을 검증하기 위해 서로 다른 지형 조건과 숲 유형 특성을 가진 두 시험 지역(가봉 열대우림 시험지 및 스페인 북부 시험지)을 선정하여 테스트하고 고정밀 항공 LiDAR DTM을 사용하여 정밀도를 평가했습니다. 결과는 가봉 열대우림 시험지에서 제안된 방법의 지하 지형 추정 RMSE가 두 검증 지역에서 각각 5.45 m 및 5.91 m로 InSAR DEM의 추정 결과인 14.70 m 및 18.58 m에 비해 지형 정확도가 60% 이상 향상되었음을 나타냅니다; 스페인 북부 산림 시험지에서는 지하 지형 추정 RMSE가 6.05—9.10 m에서 3.06—4.42 m로 감소했습니다. 종합적으로 본 연구는 쌍위치 X-밴드 InSAR 시스템을 사용하여 대규모 지하 지형을 정확하게 추정할 수 있는 효과적이고 안정적인 방법을 제공합니다.

지하 지형; 합성 개구 레이더 간섭 측정; 위상 중심 높이; 기계 학습; TanDEM-X; ICESat-2