NASA's Global Ecosystem Dynamic Investigation (GEDI) mission provides billions of lidar samples of canopy structure over the Earth's temperate and pantropical forests. Using the GEDI sample data alone, gridded height and biomass products have been created at a spatial resolution of 1 km or coarser. However, this resolution may be too coarse for some applications. In this study, we present a new method of mapping high spatial resolution forest height across large areas using fusion of data acquired by GEDI and TanDEM-X (TDX) Interferometric Synthetic Aperture Radar (InSAR). Our method utilizes GEDI waveforms to provide vertical profiles of scatterers needed to invert a physically-based InSAR model to solve for canopy height. We then use 2-year GEDI canopy height and adaptive wavenumber (kZ)-based calibration models to reduce errors in the inverted canopy height caused by the limited penetration capability of the X-band signal in dense tropical forests and the impact of terrain. We apply this novel method over large areas including Gabon, Mexico, French Guiana and most of the Amazon basin, and generate continuous forest height products at 25 m and 100 m. After validating against airborne lidar data, we find that our canopy height products have a bias of 0.31 m and 0.46 m, and a root mean square error (RMSE) of 8.48 m (30.02 %) and 6.91 m (24.08 %) at 25 m and 100 m respectively, for all sites combined. Compared to existing data products that integrate GEDI with passive optical data using machine learning approaches, our method reduces bias, has a lower RMSE, and does not saturate for tall canopy heights up to 56 m. A key feature of this study is that our canopy height product is complemented with an uncertainty of prediction map which provides information on the predictor's uncertainty around the actual value —an advancement over the standard error maps used in earlier studies, which provide uncertainty around the expectation of the predicted value. This integration approach enables the first-ever accurate and high-resolution mapping of forest canopy heights at unprecedented large areas from GEDI and TDX InSAR data fusion, serving as an essential foundation for pantropical aboveground biomass mapping.

中文翻译：

---

通过集成 GEDI 激光雷达和 TanDEM-X InSAR 数据绘制大尺度泛热带森林冠层高度


NASA 的全球生态系统动态调查 （GEDI） 任务提供了地球上温带和泛热带森林的数十亿个树冠结构激光雷达样本。仅使用 GEDI 样本数据，已以 1 公里或更粗糙的空间分辨率创建了网格高度和生物量产品。但是，对于某些应用程序来说，此分辨率可能过于粗糙。在这项研究中，我们提出了一种利用 GEDI 和 TanDEM-X （TDX） 干涉合成孔径雷达 （InSAR） 获取的数据融合来绘制大面积高空间分辨率森林高度的新方法。我们的方法利用 GEDI 波形提供反转基于物理的 InSAR 模型以求解冠层高度所需的散射体垂直剖面。然后，我们使用 2 年 GEDI 冠层高度和基于自适应波数 （kZ） 的校准模型来减少由于茂密热带森林中 X 波段信号的穿透能力有限和地形影响而导致的倒置冠层高度误差。我们将这种新方法应用于包括加蓬、墨西哥、法属圭亚那和亚马逊盆地大部分地区的大片地区，并在 25 m 和 100 m 处产生连续的森林高度产品。在对机载激光雷达数据进行验证后，我们发现我们的冠层高度产品在 25 m 和 100 m 处的偏差分别为 0.31 m 和 0.46 m，均方根误差 （RMSE） 分别为 8.48 m （30.02%） 和 6.91 m （24.08%），对于所有站点。与使用机器学习方法将 GEDI 与无源光学数据集成的现有数据产品相比，我们的方法减少了偏差，具有较低的 RMSE，并且不会在高达 56 m 的高冠层高度上饱和。 这项研究的一个关键特点是，我们的冠层高度产品与预测图的不确定性相辅相成，该预测图提供了有关预测器对实际值的不确定性的信息——与早期研究中使用的标准误差图相比，这是进步的，后者为预测值的期望提供了不确定性。这种集成方法实现了 GEDI 和 TDX InSAR 数据融合中前所未有的大面积森林冠层高度的准确和高分辨率绘图，为泛热带地上生物量绘图奠定了重要基础。