近年来,利用遥感数据估算森林蓄积量成为重要的技术手段。林分中的高蓄积量部分在蓄积量估测时往往会发生光谱饱和效应,严重阻碍了森林蓄积量的估测精度。目前,森林冠层高度被认为是解决森林蓄积量的光谱饱和效应的主要手段之一。而立体像对数据提取的冠层高度模型是获取森林冠层高度的重要手段。本研究以内蒙古旺业甸林场为研究区,采用了 ZY-3立体像对影像,结合开源的DEM提取了冠层高度模型（CHM）,并构建了 5种变量集（CHM变量集、修正CHM变量集、多光谱数据变量集、CHM联合多光谱数据变量集和修正CHM联合多光谱数据变量集）,采用4种反演模型（多元线性模型、支持向量机、K邻近法和随机森林模型）和3种变量筛选方法（逐步回归模型法、LASSO模型法和Pearson相关系数法）估测研究区落叶松和油松的蓄积量。在此基础上,利用克吕格球状模型探测了不同变量集的光谱饱和度,分析了 ZY-3立体像对和多光谱数据对森林蓄积量的光谱饱和问题的响应过程,主要研究结果如下:（1）结合ZY-3立体像对提取的DSM和DEM,通过平面位置和高程的精确配准,能够有效改善CHM的精度。经过与DEM运用差分法获取的CHM数据联合ZY-3多光谱数据构建的修正模型修正后落叶松区域修正CHM的RMSE为2.02m,油松区域修正CHM的RMSE为2.79m,均得到了较好的修正结果。（2）结合提取的CHM、光谱特征和纹理特征,采用不同的特征筛选方法和蓄积量估测模型反演了研究区的森林蓄积量,rRMSE分布在区间22.2%-31.1%,特别是修正的CHM对森林蓄积量的精度改善最为显著。通过5种变量集,4种反演模型和3种变量筛选方法对落叶松和油松森林蓄积量进行估测后发现,在对这两种人工林树种蓄积量估测时,反演模型的种类和变量筛选方法对估测结果的影响不大,主要的结果差异来自于变量集的变化,修正CHM联合多光谱数据变量集在本次实验中取得了最优的蓄积量估测结果,落叶松最优估测模型R2=0.62,RMSE=52.3m3/ha,rRMSE=25.0%;油松最优估测模型R2=0.59,RMSE=48.9m3/ha,rRMSE=22.2%。（3）针对构建的多个特征集,采用克吕格球状模型估测了不同特征集的光谱饱和度,明确了 CHM信息对改善光谱饱和度的作用。进一步对落叶松和油松蓄积量估测结果利用克吕格插值模型中的球状模型对各模型的饱和度进行估算后发现,构建模型的变量筛选方法和蓄积量反演模型类型对饱和度的影响是微乎其微的,而ZY-3立体像对数据联合ZY-3多光谱数据后对蓄积量估测时的饱和度是高于ZY-3多光谱数据的;五种变量集最优模型饱和度从低到高依次为多光谱数据变量集、CHM变量集、修正CHM变量集、CHM联合多光谱数据变量集和修正CHM联合多光谱数据变量集顺序;通过最终饱和度估算可以看出,落叶松饱和度由150 m3/ha提升至266 m3/ha,油松饱和度由220 m3/ha提升至307 m3/ha,说明ZY-3立体像对数据对光谱饱和现象有明显的改善。