La altura de la copa forestal es un parámetro clave de la estructura vertical del bosque, cuya estimación precisa desempeña un papel indispensable en la investigación del ciclo del carbono y la biomasa sobre el suelo (Above-Ground Biomass, 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 a gran escala en el monitoreo forestal. En este estudio, se propone un modelo (RF-EBK) que combina el bosque aleatorio (Random Forests, RF) y el kriging empírico bayesiano (Empirical Bayesian Kriging, EBK) para la estimación de la altura de la copa forestal a escala regional en el noreste de China (NEC). Este modelo se basa en datos de altura de la copa discreta proporcionados por el satélite de observación de la Tierra y el hielo (ICESat-2), imágenes Landsat 8 OLI, datos topográficos de la Misión de Medición de la Elevación de la Tierra, las Nubes y el Hielo-2 (SRTM) y datos de cobertura de la copa forestal, que utiliza primero el método de eliminación de características recursivas basadas en la validación cruzada (Recursive Feature Elimination-Cross Validation, RFE-CV) para seleccionar los factores característicos extraídos de los datos de teledetección múltiple, estimar la altura de la copa forestal mediante el modelo RF y calcular los residuos de estimación del conjunto de pruebas. Basándose en la autocorrelación espacial de los residuos de estimación, se modelan los residuos de estimación mediante el método EBK, se obtienen los resultados de interpolación continua de residuos espaciales en la región de estudio y se corrigen los residuos de la estimación del modelo RF para mejorar eficazmente la precisión de la estimación del modelo, realizándose finalmente una estimación de alta precisión de la altura de la copa forestal de 30 m en el noreste de China en 2023. Los resultados muestran que los factores característicos de la 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 al del modelo RF solo, con un aumento del 59,52% en R² del conjunto de validación y una disminución del 27% en RMSE y rRMSE. Además, se utilizan datos de teledetección láser no tripulados (Unmanned Aerial Vehicle Laser Scanning, ULS) obtenidos en 6 puntos de muestreo en la región de estudio para verificar la precisión de la estimación del modelo RF-EBK, con R² de 0,69, RMSE de 1,65 m y rRMSE de 7,81%. En resumen, el modelo RF-EBK puede realizar una estimación de alta precisión de la altura de la copa forestal a escala regional, proporcionando un apoyo técnico efectivo para la gestión forestal de precisión y la explotación sostenible de los recursos forestales en el noreste de China.

ICESat-2, teledetección láser no tripulada, Landsat 8 OLI, bosque aleatorio, kriging empírico bayesiano