遥感处理中级
遥感树高估测流程
利用 LiDAR 点云数据或多源遥感影像，结合 QGIS 和 Python 估算森林树高的完整流程。
预计耗时：2-4 小时 5 个步骤
操作步骤
1
数据准备
QGIS导入 Sentinel-2 影像、Landsat 影像、DEM 或 LiDAR/CHM 数据，检查坐标系、分辨率和有效范围。
确保所有数据统一到同一坐标系，建议统一到研究区对应的 UTM 投影。
2
影像预处理
SNAP / QGIS对 Sentinel-1/2 或 Landsat 数据进行必要的大气校正、几何校正、裁剪和云掩膜处理。
Sentinel-2 Level-2A 产品已完成大气校正，可重点检查云掩膜和研究区裁剪。
3
特征提取
Python提取 NDVI、EVI、纹理特征、DEM、坡度、坡向等变量，构建样本点或像元级特征矩阵。
使用 rasterio、geopandas、rasterstats 可以批量提取样本点对应的栅格值。
4
模型训练与验证
Python以 CHM 或实测树高为标签，使用随机森林、XGBoost 或线性模型进行训练和验证。
至少报告 R²、RMSE、MAE，并区分训练集和验证集结果。
5
结果制图
QGIS / Python将树高预测结果导出为 GeoTIFF，在 QGIS 中进行专题制图和结果检查。
注意去除异常值和无效区域，避免把无 CHM 覆盖区域误判为低树高。
流程完成