基于 TanDEM-X 和 Landsat 数据的森林高度混合机器学习模型
计算机视觉与模式识别
2026-05-21 v1 人工智能
机器学习
计算物理
摘要
将机器学习（ML）与物理模型（PM）集成已成为从遥感数据中检索地球物理参数的有前景的方向。在此背景下，最近提出了一个用于从 TanDEM-X干涉相干性测量值估计森林高度的 ML 模型，通过 PM 约束学习过程。虽然用于训练和反演的特征被选取以确保解的物理一致性，但无法解决所有高度/结构和基线/地形斜率数据中的歧义。为改进这一点，提出扩展特征空间以融合光学 Landsat 数据，能够提供关于森林类型或结构的补充信息。该扩展模型应用于 Gabonese Lop\'e 国家公园区域的多个 TanDEM-X 采集，并用空中激光测距仪进行验证。结果显示，与原始混合模型相比，RMSE 降低 13.5%，MAE 降低 16.6%，确认多光谱输入的增益作用。
引用
@article{arxiv.2605.20997,
title = {Hybrid Machine Learning Model for Forest Height Estimation from TanDEM-X and Landsat Data},
author = {Islam Mansour and Ronny Haensch and Irena Hajnsek and Konstantinos Papathanassiou},
journal= {arXiv preprint arXiv:2605.20997},
year = {2026}
}