森林生物量是研究全球环境和气候变化的重要影响因子,在碳循环研究中扮演着重要的角色。持续的森林砍伐和森林退化导致森林生物量的急剧减少,严重影响了森林生态系统的生产力。如何快速、定量、精确地估算区域森林生物量意义重大,既可对森林生态系统进行合理评价,也可为碳储量研究提供参考因子。本文利用机载LiDAR数据和多光谱Landsat-5 TM数据实现大范围森林生物量的反演。首先基于LiDAR数据修复森林垂直结构特征,建立高精度生物量估算模型;然后以LiDAR估算结果作为验证数据,利用Landsat-5 TM影像进行森林生物量空间拓展,探索利用少量LiDAR数据和大范围Landsat-5 TM影像升尺度反演森林生物量的可行性。主要结论如下:(1)LiDAR优越的穿透性是反演森林生物量最好的遥感技术手段之一。在研究区点云密度良好的情况下,通过提取森林垂直结构特征可以直接建立高精度的生物量估算模型。而在点云穿透性欠缺情况下,可以通过事后修复特征的方法提高生物量估算精度。结果表明,修复后的森林垂直结构特征结合不同经验模型,可以提高生物量估算结果。(2)在进行森林生物量估算时,回归模型的选择至关重要。在只有小样本情况下,结果表明偏最小二乘回归要优于多元逐步回归和支持向量回归模型;在以LiDAR估算结果作为验证数据情况下,卷积神经网络CNN特征提取能力更强,其结果要优于经验模型。(3)开展基于Landsat-5 TM数据升尺度生物量估算时,以少量LiDAR数据估算结果作为验证数据建立多光谱反演模型,其模型估算精度优于直接利用多光谱数据建立的经验模型。这说明结合少量LiDAR数据和大范围的多光谱数据可以进行升尺度森林生物量反演,同时可以降低成本。本研究通过多源数据处理、垂直结构特征修复以及回归模型选择,探索了基于少量LiDAR和多光谱数据估算森林生物量的方法。最终得到了区域生物量分布图,并分析了生物量空间分布特征。