El sistema InSAR de doble estación TanDEM-X se ha aplicado con éxito para producir modelos digitales de elevación global. Sin embargo, debido a las limitaciones en la capacidad de penetración de la señal SAR en banda X y al efecto de la dispersión volumétrica del bosque, los DEM extraídos en áreas forestales contienen señales forestales significativas. Por lo tanto, para reducir el impacto de la dispersión volumétrica forestal en la medición InSAR durante la estimación del terreno bajo el dosel utilizando datos TanDEM-X InSAR, este estudio propone un método basado en aprendizaje automático que integra datos TanDEM-X InSAR, ICESat-2 y Landsat 8 para estimar el terreno bajo el dosel forestal. Para validar la eficacia del método propuesto, se seleccionaron dos áreas de prueba con diferentes condiciones de terreno y tipos de bosque (la zona tropical de Gabón y la zona norte de España) para las pruebas, y se evaluó la precisión utilizando un DTM LiDAR aerotransportado de alta precisión. Los resultados muestran que en la zona tropical de Gabón, el RMSE de la estimación del terreno bajo el dosel fue de 5,45 m y 5,91 m en dos áreas de validación, lo que supone una mejora de más del 60% en la precisión en comparación con la estimación del DEM InSAR de 14,70 m y 18,58 m; en la zona forestal del norte de España, el RMSE de la estimación del terreno bajo el dosel también se redujo de 6,05—9,10 m a 3,06—4,42 m. En resumen, este estudio proporciona una solución eficaz y robusta para estimar con precisión el terreno bajo el dosel a gran escala utilizando un sistema InSAR de banda X de doble estación.

terreno bajo dosel; interferometría radar de apertura sintética; altura del centro de fase; aprendizaje automático; TanDEM-X; ICESat-2