Um dem Problem der räumlichen Vereinzelung von weltraumgestützten Laserscannerdaten zu begegnen, wird in dieser Arbeit eine mehrquellige Datenfusion basierend auf Merkmalsinterpolation vorgeschlagen, um die kartierung der oberirdischen Biomasse (Aboveground Biomass, AGB) im regionalen Maßstab zu realisieren. Zunächst werden aus GEDI L2A/L2B und ICESat‑2/ATL08 dreidimensionale Strukturparameter auf Spotskalen extrahiert und zusammen mit Sentinel-2 spektralen Merkmalvariablen sowie Geländefaktoren ein Datensatz von Spot-Skalen-Merkmalvariablen erstellt; anschließend wird eine Korrelationsanalyse durchgeführt, um hochkollineare Merkmale zu entfernen, wobei drei Regressionsalgorithmen verglichen und das optimale Modell ausgewählt werden: CatBoost (Gradient Boosting für kategoriale Merkmale), RF (Random Forest) und LightGBM (Leichtes Gradient Boosting Machine); dann erfolgt basierend auf der Merkmalswichtigkeit von CatBoost und der SHAP (SHapley Additive exPlanations)-Interpretation eine weitere Auswahl der Schlüsselmerkmale; schließlich werden die Schlüsselfunktionen der Lidar-Daten interpoliert, um kontinuierliche Rastermerkmale zu erhalten, mit denen durch das optimale Regressionsmodell eine räumliche Kartierung der Waldoberflächenbiomasse erfolgt. Die Validierungsergebnisse zeigen, dass CatBoost bei der Modellierung auf Spotskalen die beste Leistung erzielt (R²=0,88, RMSE=78,74 Mg/ha, rRMSE=20,93 %); die Genauigkeit der räumlichen Kartierung basierend auf Merkmalsinterpolation und multisourciger Datenfusion beträgt R²=0,82, RMSE=60,90 Mg/ha, rRMSE=36,54 %, was im Vergleich zur nur mit optischer Fernerkundung basierten Kartierung eine Reduktion des rRMSE um etwa 34,7 % darstellt. Die Verwendung der Merkmalsinterpolationsstrategie zur räumlichen Kontinuität der Schlüsselstrukturdaten der Lidar-Spots und deren Fusion mit hochauflösenden optischen und topographischen Informationen kann die verstreute räumliche Verteilung der Spots sowie das Fehlen vertikaler Strukturinformationen in optischen Bildern effektiv ausgleichen und bietet eine methodische Referenz für die großflächige Bewertung des Waldkohlenstoffbestands und die Überwachung von Ökosystemen.

Globale dynamische Ökosystemuntersuchung; Eiswolken- und Landhöhen-Satellit; Lidar; optische Fernerkundungsbilder; Merkmalsinterpolation; Biomassekartierung