تواجه التقديرات الدقيقة للكتلة الحيوية فوق سطح الأرض (AGB) في الغابات الاستوائية الناضجة تحديات كبيرة، خاصةً بسبب تشبع إشارات الرادار في المناطق ذات الكثافة العالية، ووجود السحب المستمرة التي تؤثر على الصور البصرية. في محاولة للتغلب على هذه العقبات الفيزيائية، تم تقديم تقنية جديدة تُعرف باسم Trimodal Coherent Co-attention Transformer (TCCT).

تستخدم هذه التقنية المعمارية المعتمدة على التعلم العميق لدمج بيانات انعكاس السطح البصرية (من Landsat-5) مع بيانات الرادار الموازي القطبي (PolInSAR) من نطاقات P وL. يختلف TCCT عن طرق الدمج التقليدية من خلال استخدام ترميز معقد للحفاظ على تماسك الطور المكاني، وهو ما يسمح بالنظر في البيانات بشكل أكثر دقة.

إحدى الابتكارات المهمة في هذه التقنية هي آلية الانتباه التعاوني الديناميكي التي تعمل كجهاز تحكم تكيفي، مما يقلل من تأثير البيانات البصرية المتضررة بالسحب ويركز اعتماده على بيانات الطور الميكروويفي.

تم تصميم نموذج المعايرة المحلية باستخدام تحسين Levenberg-Marquardt، لتناسب كثافة الخشب المحددة في منطقة باراكوا في حوض الأمازون.

وأظهرت التقييمات، التي تم إجراؤها باستخدام بروتوكول ذو مرحلتين، أن TCCT حقق أداءً رائعًا، حيث حصل على خطأ متوسط قدره 4.19 م، ومع تحسين محلي، انخفض هذا الرقم إلى 3.78 م مع قيمة $R^2$ تصل إلى 0.33 لنماذج ارتفاع الغطاء النباتي.

عند تحويل النتائج إلى تقديرات للكتلة الحيوية فوق سطح الأرض، أظهرت الخريطة النهائية نسبة خطأ نسبية قدرها 4.51% في مناطق الغابات الكثيفة، مما يجعل هذه التقنية تفي بمتطلبات مهمة BIOMASS التابعة لوكالة الفضاء الأوروبية، والتي تتطلب ألا يتجاوز الخطأ 20%. تُشَرّع هذه الابتكارات نافذة جديدة لتحديد كميات الكربون المخزنة بشكل مستمر في البيئات الاستوائية.