森林作为陆地生态系统的主体,在人类生存与发展过程中起着不可取代的作用。作为重要的可再生资源之一,森林资源的勘查与保护已上升为国际环境的重要议题。森林高度作为森林最重要的垂直结构参数,对其的定量测量将有效推动林业遥感的发展。极化干涉SAR技术（Polarimetric SAR Interferometry,简称Pol In SAR）凭借其对不同高度散射中心的敏感性,在森林测高方面有着得天独厚的优势,因此对其展开研究具有重要意义。本文在PolInSAR理论基础上,分别通过双基线、极化相干层析、机器学习手段对森林高度进行了反演,并且与传统的物理模型精度进行了对比。主要内容和成果如下:（1）针对单基线P波段反演中的地面残余散射与时间失相干问题,提出了一种基于体积时间失相干（RVo G+Volume Temporal Decorrelation,简称RVo G+VTD）模型的双基线反演方法。该方法通过将不同基线之间同一极化机制的地体振幅比（Ground to Volumn scattering Ratio,简称GVR）作为约束两根基线的条件,采用查找表算法寻找地体振幅比差异最小的时候所对应的高度。这样可以避免单基线中的零地体比假设,进而获得较少地面残余散射影响的森林高度。与此同时,地面残余散射造成的沿相干线的一维模糊区间以及原点与体复相干连线的径向一维模糊区间会共同构成二维模糊区域。将基于RVo G+VTD时间失相干模型构建的解限制于该二维模糊区域内最终可以得到同时改善了地面残余散射与时间失相干影响的森林高度。研究结果表明地面残余散射与时间失相干造成的森林高度反演误差与垂直波数Kz与森林高度hv存在密切联系。因此,进一步利用模拟实验探究了森林高度反演误差如何在不同Kz与hv下随地体振幅比与时间失相干系数变化。与传统的三阶段反演方法在基线BL1（R~2=0.38,RMSE=6.76m）和BL2（R~2=0.45,RMSE=7.9m）与固定消光系数法在BL1（R~2=0.46,RMSE=5.88m）和BL2（R~2=0.47,RMSE=4.42m）上的应用效果相比,该方法可以得到较高的精度（R~2=0.6,RMSE=3.48m）。（2）为了减小森林垂直异质性给反演精度带来的误差,提出了一种基于树种信息的极化相干层析（Polarization Coherence Tomography,简称PCT）森林高度反演方法。该方法在树种信息的基础上利用PCT算法建立同一树种占比像元的垂直相对反射率,计算得到其相对反射率最大处所对应的层析高度,并以激光雷达（Light Detection And Ranging,简称Li DAR）所测高度作为基准计算其功率损耗,最终得到研究区的功率损耗分布。在单个像元的层析高度基础上根据对应的功率损耗补偿相应的损耗高度可得到包含树种结构信息的森林高度。研究结果表明苏格兰松树与挪威云杉的垂直相对反射率存在较大差异,挪威云杉的相位中心较高且相对反射率跨度较大。利用H100进行精度评价,采用该方法得到的精度与输入的传统三阶段法反演精度相比（R~2=0.35,RMSE=7.09m）,经过功率补偿之后的高度由于考虑了不同树种的垂直结构,精度明显有了较大提升（R~2=0.51,RMSE=4.96m）。（3）利用随机森林算法探究了L和P波段不同基线相干区域相关属性在森林高度反演中的潜力。所选择训练特征分别描述了传感器以及地形、相干区域的位置和方向、最接近椭圆的维数以及相干区域形状和理论椭圆的相似性四个方面的特性。利用稀疏的Li DAR样点作为标签与特征建立关系从而应用至不同的区域。对所得到的结果分别从精确性、迁移性以及可解释性三个方面进行了阐释。研究结果表明相较于在机器学习中输入物理模型特征,所选择的特征能够在此基础上较大幅度提升精度。对于BL1来说,三阶段反演法与固定消光系数法输入特征基础上R~2分别提升了0.16、0.13,RMSE分别降低了0.36m、0.33m。对于BL2来说,三阶段反演法与固定消光系数法基础上R~2分别提升了0.15、0.13,RMSE分别降低了0.35m、0.3m。不同波段相比较时,L波段模型迁移应用效果相较于P波段更好,R~2可达到0.67,RMSE减小至1.27m。一种可能的解释是L波段的相干区域形状与冠层高度模型（Canopy Height Model,简称CHM）的线性相关性更高,并且在机器学习建模过程中重要性相较于其它特征更大。