Para enfrentar o problema da esparsidade espacial dos dados LiDAR embarcados em satélites, este artigo propõe um método de fusão de dados multissetoriais baseado em interpolação de características, realizando o mapeamento da biomassa aérea florestal (Aboveground Biomass, AGB) em escala regional. Primeiramente, foram extraídos parâmetros estruturais tridimensionais em escala de pontos a partir do GEDI L2A/L2B e ICESat‑2/ATL08, combinados com variáveis espectrais do Sentinel-2 e fatores topográficos para construir um conjunto de dados de variáveis de características em escala de pontos; em seguida, realizou-se análise de correlação para remover variáveis com alta multicolinearidade, compararam-se três algoritmos de regressão: CatBoost (Gradient Boosting para características categóricas), RF (Random Forest) e LightGBM (Light Gradient Boosting Machine), selecionando o modelo ótimo; posteriormente, com base na importância das características do CatBoost e na explicação SHAP (SHapley Additive exPlanations), foram selecionadas variáveis-chave; finalmente, as variáveis-chave do LiDAR foram interpoladas para obter características raster contínuas, e por meio do melhor modelo de regressão realizou-se o mapeamento espacial da biomassa aérea florestal. Os resultados mostram que CatBoost teve o melhor desempenho na modelagem em escala de pontos (R²=0.88, RMSE=78.74 Mg/ha, rRMSE=20.93%); a precisão espacial com base em interpolação de características e fusão de dados multissetoriais foi R²=0.82, RMSE=60.90 Mg/ha, rRMSE=36.54%, com redução de rRMSE em cerca de 34,7% em comparação com o mapeamento usando apenas imagens ópticas. A estratégia de interpolação de características para a continuidade espacial das variáveis estruturais-chave dos pontos LiDAR e sua fusão com informações ópticas de alta resolução e topográficas pode compensar efetivamente a distribuição espacial esparsa dos pontos e a falta de informação estrutural vertical nas imagens ópticas, podendo fornecer referência metodológica para a avaliação do estoque de carbono florestal em larga escala e monitoramento de ecossistemas.

Pesquisa dinâmica global de ecossistemas; satélite de altura de gelo, nuvens e terra; LiDAR; imagens de sensoriamento remoto óptico; interpolação de características; mapeamento de biomassa acima do solo