基于 Sentinel 数据的 10 米分辨率建筑高度估计

建筑高度是科学研究和实际应用的重要指标。然而，具有高空间分辨率（10m）的建筑高度产品仍然非常稀缺。为满足高分辨率建筑高度估计模型的需求，本研究建立了一套空间-光谱-时序特征数据库，结合了 Sentinel-1 提供的 SAR 数据、Sentinel-2 提供的光学数据以及建筑轮廓提供的形状数据。提取时间尺度上的统计指标，形成了包含 160 个特征的丰富数据库。本研究结合了排列特征重要性、Shapley Additive Explanations 和随机森林变量重要性，并通过专家评分系统获得了最终稳定特征。本研究以美国 12 个大、中、小城市作为训练数据，采用滑动窗口聚合像素，以解决 SAR 图像位移和建筑阴影的影响。本研究基于随机森林模型构建了建筑高度模型，并比较了 bagging、boosting 和 stacking 三种模型集成方法。为评估预测结果的准确性，本研究在测试区收集了 Lidar 数据，评估结果显示其 R-Square 达到 0.78，证明能够有效获取建筑高度。高分辨率建筑高度数据的快速生产可支持多个领域的大规模科学研究和应用。