近日，中科院植物研究所研究员苏艳军团队与合作者成功绘制了全国30米分辨率的森林冠层高度产品。相关研究成果发表于《环境遥感》。
国家与全球尺度的高分辨率森林冠层高度产品对估算森林碳储存、理解森林生态系统过程以及制定森林经营政策等至关重要。现有的森林冠层高度产品的空间分辨率一般是500米或1000米，难以满足应用需求。星载激光雷达传感器GEDI与ICESat-2 ATLAS可以获取全球范围内分米级空间分辨率的森林冠层高度脚点数据，但数据是沿卫星轨道离散分布的，无法直接生成空间连续的森林冠层高度产品。如何充分高效地利用新一代星载激光雷达数据生成大尺度高分辨率森林冠层高度产品，亟须进一步探讨。
为此，苏艳军团队设计了一种深度学习指导的空间内插模型NNGI。该模型利用深度神经网络自动学习权重的能力，解决了在内插模型中均衡考虑空间、环境与光谱等特征距离的权重贡献问题，突破了常用内插模型仅使用空间距离的局限。
研究人员借助积累的140平方公里的无人机激光雷达数据训练了NNGI模型，内插GEDI与ICESat-2 ATLAS星载激光雷达脚点数据，成功绘制了全国30米分辨率的森林冠层高度产品。与3套独立的验证数据集相比，该研究得到的产品精度较高。
研究人员还发现，受益于空间内插策略，NNGI生成的产品在森林冠层较高的地区几乎没有出现饱和。这套高精度、高空间分辨率的全国森林冠层高度产品表明了NNGI模型在监测国家乃至全球尺度森林冠层高度方面有着较广的应用潜力。
