La altura de la copa forestal es un parámetro clave de la estructura vertical de los bosques, cuya estimación precisa desempeña un papel indispensable en la investigación del ciclo del carbono y la biomasa sobre el suelo (AGB). Con el continuo desarrollo de la tecnología de teledetección, los datos de teledetección múltiple ofrecen nuevas posibilidades para la estimación de la altura de la copa en la monitorización forestal a gran escala. Este estudio propone un modelo (RF-EBK) que combina los bosques al azar (RF) y la kriging bayesiana empírica (EBK) para la estimación a escala regional de la altura de la copa forestal en la región noreste de China (NEC). El modelo se basa en los datos de altura de la copa discreta proporcionados por el satélite láser ICESat-2, imágenes OLI de Landsat 8, datos topográficos de la misión de mapeo radar de terreno de la lanzadera (SRTM) y datos de cobertura de copas forestales (CATCD), primero se utiliza el método de eliminación recursiva de características cruzadas validada por validación cruzada (RFE-CV) para la selección de factores de características extraídos de los datos de teledetección múltiple, se estima la altura de la copa forestal mediante el modelo RF y se calcula el residuo estimado del conjunto de pruebas. Sobre la base de la autocorrelación espacial del residuo estimado, se utiliza el método EBK para modelar el residuo estimado, se obtiene el resultado de interpolación espacial continua del residuo en la región de estudio, y se corrige el residuo de los resultados estimados de RF, lo que mejora efectivamente la precisión de la estimación del modelo, logrando finalmente la alta precisión de la estimación de la altura de la copa forestal a 30m en la región noreste de China en 2023. Los resultados muestran que los factores de cobertura de la copa forestal son importantes en la estimación de la altura de la copa. En cuanto a la precisión del modelo, el modelo RF-EBK tiene un rendimiento de estimación superior en comparación con el uso exclusivo del modelo RF, R² del conjunto de validación mejoró en un 59,52%, RMSE y rRMSE disminuyeron en un 27%. Además, se utilizan datos ULS recopilados en 6 puntos de muestreo dentro de la región de estudio para verificar la precisión de la estimación del modelo RF-EBK, R² es 0,69, RMSE es 1,65 m, rRMSE es 7,81%. En resumen, el modelo RF-EBK puede lograr una estimación de alta precisión de la altura de la copa forestal a escala regional, brindando un soporte técnico efectivo para la gestión forestal precisa y la explotación sostenible de recursos forestales en el noreste de China.

ICESat-2, UAV LIDAR, Landsat 8 OLI, bosques al azar, kriging bayesiano empírico