森林地上生物量作为陆地生态系统中重要的功能指标,是碳循环过程中的关键要素,控制着陆地与大气间的碳交换,从而影响气候的变化。高精度的森林地上生物量空间分布数据可应用于全球碳收支监测和管理。另外,作为生产力、气候变化等模型的重要输入参数,生物量的估算精度直接影响模型模拟的可靠性。因此,森林地上生物量时空动态监测对陆地生态系统功能、碳收支、全球气候变化等研究至关重要。快速发展的多源卫星遥感技术以大面积、长时间序列、主被动多传感器、重复对地观测等优势,在全球森林水平和垂直结构参数反演中得以广泛应用,从而快速发展了一系列森林生物量遥感估算模型。现有研究中的森林生物量遥感估算模型,多基于实测点与影像因子的关系进行模型构建,存在尺度差异。参数化模型在大范围生态环境应用中有极大的需求和潜力,提高精度与复杂关系模拟能力是其建模的关键。为解决上述已有基于实测点的参数化模型的问题,本研究利用哨兵1号雷达和哨兵2号多光谱反演的垂直和水平参数及逐像元的生物量值,在同尺度上(10米),构建较高精度的森林生物量遥感估算异速生长方程。首先,为提高参数化的复杂关系模拟能力,本研究尝试联合近期发射应用的较高分辨率的大地2号L波段极化雷达和哨兵1号C波段极化干涉雷达与哨兵2号多光谱遥感数据,挖掘森林生物量估算的有效遥感因子与信息,构建混合模型模拟遥感因子与森林生物量之间的复杂关系,得到较高精度的森林地上生物量逐像元估算值。在此基础上,结合哨兵数据反演的垂直和水平参数,构建全像元的异速生长方程,并与基于实测点的异速生长方程进行应用精度对比,最终将本文提出的全像元异速生长方程运用于区域森林地上生物量制图中。论文的主要研究内容和结果如下:(1)利用相关分析法,针对由哨兵2号光学、哨兵1号C波段雷达和大地2号L波段雷达等获得的遥感因子,开展森林生物量敏感性差异分析及原因探讨;去除冗余因子,为森林生物量遥感估算提供新的有效遥感因子及最优组合。结果表明,L波段雷达后向散射的纹理特征对生物量的敏感性最高,其次是可见光的植被指数与生物物理变量,而敏感性最低的为C波段的雷达后向散射和干涉雷达微观地形因子。通过雷达因子与生物量的相关性分析发现,波长和干涉处理影响大于纹理分析,且HV和VV极化下对森林生物量的敏感性比HH和VH强。在可见光因子中,哨兵2号的红、红边和短波红外波段对森林生物量的敏感性强,红边波段参与计算的因子与森林生物量的相关性在众多植被指数中最强。最终筛选得到参与森林地上生物量逐像元估算的预测因子共34个,包括L波段雷达HV和HH极化下的归一化后向散射系数、C波段雷达VV极化下的归一化后向散射系数、雷达散射的纹理特征,可见光波段反射率、植被指数、生物物理变量,和地形因子。(2)通过构建森林生物量遥感反演的参数化、非参数化及混合算法模型,对比三类算法的10个模型在模拟预测因子与森林生物量之间局部与全局、线性与非线性等复杂关系的能力,得到最优模型进行逐像元森林地上生物量估算。由参数化模型中预测因子的系数、神经网络模型中的连接权重、支持向量机回归模型剔除因子的RMSE变化以及随机森林中属性重要性可知预测因子在模型预测生物量中的贡献率,讨论了各遥感预测因子在建模中的重要性差异及原因。结果表明,模型的精度排序从高到低为随机森林克里金(RFK)、随机森林、神经网络克里金、支持向量机回归克里金、地理加权回归克里金、逐步回归克里金、基于反向传播的多层感知神经网络、基于序列最小优化算法的支持向量机回归、地理加权回归和逐步回归。本文构建的结合参数/非参数化模型和普通克里金的森林生物量混合模型,得到了比对应的参数化/非参数化模型更高的估算精度。其中RFK的预测精度最高,均方根误差(RMSE)达到了29.72 Mg/ha,为最优模型。C波段雷达的预测因子的重要性最弱,而L波段雷达和可见光因子的重要性的最强。L波段HV极化下的后向散射系数纹理特征,在各模型中的重要性较为突出,其中HV＿ENT重要性最为突出,即L波段HV极化下后向散射的无序程度对森林生物量遥感反演影响较大。在可见光因子中,波段反射率因子在参数化模型的作用大于其在非参数化模型中的作用,而植被因子则相反,其作用在非参数化模型中更为突出。(3)利用哨兵数据反演两类森林高度信息,包括基于哨兵1号雷达干涉处理的森林表面高度和基于哨兵1号雷达后向散射、哨兵2号植被覆盖度和简化水云模型的树高。结果表明,2017年10月24日和11月5日的哨兵1A星的单视复数雷达像对经过干涉处理得到的表面高度反演值最接近于实测值,RMSE达到97.11m(14.28%),相关系数达到0.86。基于简易水云模型得到VV极化的后向散射衰减系数为0.02至0.05之间,VH极化则为0.03至0.07之间,体现了VV极化相较于VH极化对森林垂直结构的饱和值更高。最终镶嵌得到研究区2017年7月树高反演的RMSE为2.72 m(17.98%),相关系数为0.75。(4)利用哨兵数据建立森林地上生物量异速生长方程:利用遥感估算的逐像元生物量和哨兵影像反演的水平和垂直参数,在相同分辨率下(10m),建立森林地上生物量异速生长方程,提高参数化模型模拟复杂关系的能力,最终利用此异速生长方程进行了区域生物量制图。并将其与基于传统实测点生物量数据构建的遥感异速生长方程,在另一独立验证区进行应用精度对比。结果表明,全像元构建的异速生长方程应用精度高于基于实测点建立的异速生长方程,表面高度(H_s)和覆盖度(FVC)构建的全像元异速生长方程精度最高,应用精度RMSE达到39.45Mg/ha,相关系数为0.90,为区域森林生物量制图的最佳异速生长模型。基于RFK这一混合方法和多源遥感数据得到的逐像元森林地上生物量具有较高精度,能较好的反映建模区森林地上生物量的空间分布与变化,可作为异速生长方程构建的训练样本,为森林生物量反演提供了另一有效信息源。利用哨兵数据的垂直与水平结构因子可较好地反演森林地上生物量,其中基于全像元构建的异速生长方程,在同尺度下进行生物量反演,充分利用遥感估算信息,可提高哨兵数据的信号饱和值。在区域生物量制图中,得到了敦化市2017年森林地上生物量在0-898.9 Mg/ha之间,高值位于远离市中心的北部、东部和西部的高海拔的边缘地区,而低值集中于市区北部低海拔林区。