近日，交通学院测绘工程系邓兴升团队研究成果“A Method for Forest Vegetation Height Modeling Based on Aerial Digital Orthophoto Map and Digital Surface Model”，利用林区植被高度与可观测量之间的相关性，提出基于航空数字正射影像与数字表面模型建立植被高度模型的机器学习方法，使得林区植被高度这一不可由航空摄影直接观测的物理量有了新的确定方法，该论文发表于国际顶级遥感学术期刊IEEE Transactions on Geoscience and Remote Sensing (IEEE TGRS)。邓兴升为该论文第一作者，长沙理工大学为第一署名单位。

植被是地球陆地表面分布范围广泛的要素，植被的密度与高度是林业资源管理、林下地形测绘、生态环境与碳储量研究的重要变量，然而区域尺度上植被时空分布精细观测数据尤其缺乏。航空影像数据具有覆盖范围广、平均成本低、数据量大等特点，航空可见光遥感无法直接测量植被高度，但可以获得数字正射影像与数字表面模型，并提取与植被高度综合相关的特征数据，例如各种植被指数、构造曲面的表面粗糙度、构造曲面曲率与法线向量分量的方向、相邻结点之间的高差与高差标准差等。本论文提取与植被高度相关的光谱特征因子与几何特征因子共33个，建立特征因子与植被高度之间的机器学习模型并对植被高度进行预测计算，模型综合相关系数大于95%。本论文结合航空摄影测量与机器学习，提出数字植被模型的概念与建模方法，研究成果为航空摄影测量大范围估计林区植被高度提供了模型、算法和新的技术途径。

IEEE TGRS为电气与电子工程师协会(Institute of Electrical and Electronics Engineers, IEEE)遥感学会(Geoscience and Remote Sensing Society, GRSS)会刊，是遥感与地球科学领域最顶尖最具影响的国际期刊之一，集中反映当代遥感与地球科学的最新进展。该刊为中科院SCI一区TOP期刊，我校认定的学科领域TOP5期刊，2020年影响因子为5.855。

论文链接：https://ieeexplore.ieee.org/document/9487006

Xingsheng Deng, Guo Tang, Qingyang Wang, Lixia Luo, and Sichun Long, " A Method for Forest Vegetation Height Modeling Based on Aerial Digital Orthophoto Map and Digital Surface Model", in IEEE Transactions on Geoscience and Remote Sensing, DOI: 10.1109/TGRS.2021.3093976。（文/徐鹏   审/张锐）