作者：CSDN @ _养乐多_

本文将介绍在 Google Earth Engine （GEE）平台上使用GEDI-4A 级（L4A）数据和机器学习方法预测地上生物量密度（AGBD；单位为 Mg/ha）的方法和代码。

代码包括（1） Landsat 和 GEDI 影像预处理；（2）特征变量（光学/雷达/时序/纹理/物候/地表温度/主成分/指数/地形等特征）和目标变量的生成；（3）回归模型的选择，包括随机森林回归、CART（Classification and Regression Trees）回归、最小距离（minimumDistance）回归、梯度提升树（Gradient Boosting Tree）回归；（4）模型训练；（5）模型推理；（6）精度计算（RMSE、R2）；（7）样本点可视化和回归结果可视化。

本文的方法可以扩展到关于GEDI数据集合的任何数据和产品，比如， GEDI02_A_002_MONTHLY 数据集中的植被指数、植被高度和地表高度等参数。

结果如下图所示，