O sistema TanDEM-X InSAR de dupla estação foi aplicado com sucesso na produção de modelos digitais de elevação globais. No entanto, devido às limitações da capacidade de penetração do sinal SAR na faixa X e ao efeito de espalhamento volumétrico da floresta, os DEM extraídos em áreas florestais contêm sinais florestais significativos. Portanto, para reduzir o impacto do espalhamento volumétrico da floresta na medição InSAR durante a estimativa do terreno sob a copa a partir dos dados TanDEM-X InSAR, este estudo propõe um método baseado em aprendizado de máquina que combina os dados TanDEM-X InSAR, ICESat-2 e Landsat 8 para estimar o terreno sob a copa. Para validar a eficácia do método proposto, foram selecionadas duas áreas de teste com diferentes condições de terreno e tipos de floresta (a área de floresta tropical do Gabão e a área do norte da Espanha) para testes, e a precisão foi avaliada utilizando DTM LiDAR aerotransportado de alta precisão. Os resultados mostram que, na área da floresta tropical do Gabão, o RMSE da estimativa do terreno sob a copa foi de 5,45 m e 5,91 m em duas áreas de validação, o que representa uma melhoria de mais de 60% na precisão em comparação com as estimativas do DEM InSAR de 14,70 m e 18,58 m; na área florestal do norte da Espanha, o RMSE da estimativa do terreno sob a copa também foi reduzido de 6,05—9,10 m para 3,06—4,42 m. Em resumo, este estudo fornece uma solução eficaz e robusta para estimar com precisão grandes áreas de terreno sob a copa utilizando um sistema InSAR de banda X de dupla estação.

terreno sob a copa; interferometria de radar de abertura sintética; altura do centro de fase; aprendizado de máquina; TanDEM-X; ICESat-2