First Mapping the Canopy Height of Primeval Forests in the Tallest Tree Area of Asia

我们已经开发出世界上第一个巨型树分布区域的树冠高度图。这个映射对于发现更多的个体和群落级别的世界级巨型树，以及分析和量化雅鲁藏布大峡谷国家级自然保护区生物多样性保护措施的有效性至关重要。我们提出了一种方法，通过使用空间激光雷达融合卫星图像（全球生态系统动态调查（GEDI），ICESat-2和Sentinel-2）驱动的深度学习模型来绘制世界级巨型树分布区域原始森林的树冠高度。我们定制了金字塔感受野深度可分离CNN（PRFXception）。PRFXception是一种CNN架构，专门定制用于将原始森林树冠高度映射到从Sentinel-2光学图像中推断出GEDI和ICESat-2的脚印级别的10米空间分辨率。我们采用分层抽样方法对227个永久样地进行了现场调查，并使用UAV-LS测量了几棵巨型树。预测的树冠高度与ICESat-2和GEDI验证数据（RMSE = 7.56 m，MAE = 6.07 m，ME = -0.98 m，R ^ 2 = 0.58 m），UAV-LS点云（RMSE = 5.75 m，MAE = 3.72 m，ME = 0.82 m，R ^ 2 = 0.65 m）以及地面调查数据（RMSE = 6.75 m，MAE = 5.56 m，ME = 2.14 m，R ^ 2 = 0.60 m）进行了比较。我们绘制了世界级巨型树的潜在分布图，并发现了两个以前未被发现的巨型树群落，其具有89％的可能性拥有80-100米高的树，可能比亚洲最高的树还要高。本文提供了科学证据，确认东南西藏-西北云南为世界级巨型树的第四个全球分布中心，并促进将雅鲁藏布大峡谷巨型树分布区域纳入中国国家公园保护范围的倡议。

本论文旨在通过使用空间激光雷达融合卫星图像（GEDI、ICESat-2和Sentinel-2）驱动的深度学习建模，提出一种方法来绘制世界级巨树分布区内原始森林的树冠高度图，以发现更多的个体和群体的世界级巨树，并分析和量化雅鲁藏布大峡谷国家级自然保护区的生物多样性保护措施的有效性。这是否是一个新问题？

论文提出了一种特定定制的卷积神经网络（PRFXception）架构，专门用于绘制原始森林树冠高度，以从Sentinel-2光学图像推断GEDI和ICESat-2的足迹级别的树冠高度，空间分辨率为10米。通过使用无人机激光雷达（UAV-LS）测量的几棵巨树，将预测的树冠高度与ICESat-2和GEDI验证数据、UAV-LS点云和地面调查数据进行比较，发现两个以前未被发现的巨树群落，可能高达80-100米，是亚洲最高的树。这篇论文的思路相比当前这个领域的研究状况有什么新意？

论文使用空间激光雷达融合卫星图像驱动的深度学习建模绘制了世界级巨树分布区内原始森林的树冠高度图，发现了两个以前未被发现的巨树群落，可能高达80-100米，是亚洲最高的树。论文使用了UAV-LS测量的数据和ICESat-2、GEDI验证数据、UAV-LS点云和地面调查数据进行了比较。这篇论文的工作值得继续深入研究。

最近在这个领域中，还有一些相关的研究被进行，如“Mapping Forest Canopy Height using ICESat-2 and Sentinel-2 Data”，“Global canopy height mapping using ICESat-2 and Sentinel-2 data”，“Mapping forest canopy height using multi-source remote sensing data fusion: A review and perspective”。