ICESat GLAS数据能精确提取植被平均高度，然而该数据空间分辨率较低，条带间以及点与点之间有一定的间隔，导致直接插值得到的植被平均高度分布的精度下降。MODIS-BRDF／反照率数据为面数据，包含LAI、植被高度等植被结构信息，因此将ICESatGLAS和MODIS数据结合，可得到较为精确的植被平均高度分布，实现植被参数提取从点到面尺度上的扩展。
　　本文以森林资源丰富的东北三省为研究对象，首先对该区域的GLAS波形数据进行滤波处理并提取植被平均高度，然后对MODIS-BRDF／反照率数据进行特征(或波段)选择，得到最适合植被平均高度反演的BRDF参数，并通过人工神经网络训练建立基于这些最佳BRDF参数的植被平均高度反演模型，最后应用该模型得到整个东北地区生成植被平均高度分布图并进行精度验证。该方法对激光雷达数据和光学遥感影像进行融合，弥补了两种数据各自的不足，得到了连续的植被平均高度分布，增加了生态系统功能分析的维度，为森林生物量以及碳储量的估算提供更为精确的基础数据。