激光雷达GLAS数据极高的测距精度使其在森林植被高度反演方面得到了广泛的应用,但由于GLAS数据是呈条带状分布,条带内数据由一系列点构成,数据分布不连续,点与点之间的间隔是170m,空间分辨率较低,若只利用GLAS数据得到连续的植被平均高度精度较低。MODIS MCD43产品中的BRDF参数能够直接或间接的反演植被结构信息,但精度低。因此,将ICESat-GLAS与MODIS数据二者结合起来,得到连续的植被平均高度分布是一项非常有意义的工作。本文使用的是2008年2月份的GLA01与GLA14全球数据,利用小波分析的方法对GLAS的回波波形数据进行了分解,得到激光光斑植被的经纬度以及高度信息。同时,选择了相应MODIS数据中的红、蓝、近红外波段,合成了MODIS全球影像图。通过BP神经网络算法建立最佳高度反演模型,通过该模型得到植被平均高度,并选取部分地区进行精度验证。得到了全球阔叶林、针叶林、混交林连续的高度分布图,并合成了全球森林植被连续分布图。该方法融合了星载激光雷达数据和光学遥感影像数据,同时利用GLAS数据精度高和MODIS数据分布连续的优点,得到了连续的植被平均高度分布。同时,相比于机载激光雷达数据研究尺度的局限性,GLAS数据具有分布广的特点,可将研究范围扩展到全球。这为研究全球尺度的森林碳蓄积量研究提供精确的参数。