Высота лесного крова как ключевой параметр вертикальной структуры леса играет незаменимую роль в углеродном цикле и исследованиях надземной биомассы лесов. С развитием технологий дистанционного зондирования множественные источники дистанционных данных предоставляют новые возможности для оценки высоты лесного крова на большом масштабе мониторинга лесов. В данном исследовании представлена модель (RF-EBK), объединяющая метод случайного леса (RF) и метод эмпирического байесовского кригинга (EBK) для оценки высоты лесного крова на региональном уровне на северо-востоке Китая (NEC). Эта модель основана на данных дальнего зондирования ICESat-2, изображениях Landsat 8 OLI, данных топографии миссии SRTM и данных о покрове лесного крова (CATCD), сначала используя метод рекурсивного удаления признаков с помощью перекрестной проверки (RFE-CV) для отбора извлеченных признаков из множественных источников дистанционных данных, оценивая высоту лесного крова с помощью модели RF и рассчитывая остатки оценочного набора. На основе пространственной автокорреляции остатков, используя метод EBK для моделирования остатков оценки, получается результат кригинга эмпирического байесовского кригинга для области и коррекция остатков оценки модели RF, что значительно повышает точность модели, и, в конечном итоге, обеспечивает высокоточную оценку высоты лесного крова с высоким разрешением на северо-востоке Китая в 2023 году. Результаты показывают, что факторы покрова лесного крова имеют высокую важность в оценке высоты лесного крова. В части точности модели модель RF-EBK имеет лучшую эстимационную производительность по сравнению с использованием только модели RF, коэффициент детерминации проверочного набора увеличивается на 59,52%, RMSE и rRMSE уменьшаются на 27%. Кроме того, точность проверки модели RF-EBK была подтверждена с использованием данных беспилотного летательного аппарата лазерного сканирования беспилотного летательного аппарата, с коэффициентом детерминации в 0,69, RMSE в 1,65 м и rRMSE в 7,81%. В итоге модель RF-EBK может обеспечить высокоточную оценку высоты лесного крова на региональном уровне, обеспечивающую эффективную техническую поддержку точного лесоводства и устойчивого лесного хозяйства северо-востока Китая.

ICESat-2، беспилотный лазерный сканирование UAV، Landsat;8;OLI، случайный лес，эмпирический байесовский кригинг