全球森林高度估算

    近期看到一篇非常有意思的文章，题目是《High-resolution canopy height map in the Landes forest (France) based on GEDI, Sentinel-1, and Sentinel-2 data with a deep learning approach》，

这篇文章发表在JAG期刊上，虽然我们搞研究不应该看期刊分区，对，说的就是你，中科院分区，但是呢，这两年来，发表在JAG上面的文章质量明显好于TGRS了，这说明一个问题，TGRS

快被中科院的大佬们玩坏了啊，全是一些什么模型之类的，看了就讨厌。好了，回归正题，这篇的主题是用GEDI数据作为核心辅助，利用sentinel2A/B， sentinel1 SAR数据来做森林高度估算，

我把这篇文章里面的核心算法进行了复现，它的主要思想就是下面这个图：

                                                                                                           图 1 算法流程图

     很简单，他用了Unet来做回归，用光学+sar来做模型输入，这就非常简单了，自然地，花了半天时间做了模型复现，我选择的区域为中国的

海南省，如下图：

                                                                                                            图2 SAR影像

                                                                                                         图3 光学影像

 

                                                                                                 图 3 估算的高度成果

     从最终的森林高度成果来看，效果还是很不错的，当然了这个数据直接用于实用估计还有很长的路要走，但是至少GEDI数据的潜力还是很大的，好了

不多说了，代码交流，qq 1044625113，备注: 森林高度。