森林树高是计算森林碳汇的一个重要参数,为了提高大面积森林树高的提取精度,合成孔径雷达(SAR)在森林树高反演中的作用愈发凸显。本文根据合成孔径雷达数据特点、干涉SAR和极化干涉SAR的测量原理,研究基于单极化、双极化和全极化数据的一系列树高反演算法并进行算法改进,用ALOS-PALSAR数据和仿真SAR数据分别进行算法有效性验证。第一种算法中交叉极化(HV/VH)通道的后向散射强度与森林结构参数高度相关,建立ALOS-PALSAR的HV极化通道的后向散射系数与若尔盖原始森林实测高度、胸径之间的经验模型,发现呈负对数关系且相关性低,证明用单基线的后向散射系数回归模型不适用于地形复杂的高山区域森林树高估计。不同极化通道对应不同的地物散射相位中心,利用HH和HV极化通道的干涉相位之差提取若尔盖森林树高,反演结果严重低估,由此提出利用相干系数的sinc函数进行补偿,但算法仍然有局限性,补偿系数和相干系数的双重作用可能导致估计结果偏高。针对目前广泛使用的全极化干涉随机散射模型(Random Volume over Ground,RVoG)反演算法,提出相干幅度和相位最优化的三阶段改进反演算法,通过提高体散射复相干系数的估计精度使得树高反演更准确,仿真实验获得低于10%的误差。研究的最后一种树高反演方法是根据信号谱估计原理建立的超分辨率(ESPRIT)反演算法,该算法本身是基于全极化数据实现的,但本文将双极化数据应用于该算法中进行探讨和改进。仿真实验得到的平均树高比全极化数据条件下提取的树高仅低9.5%,为提高双极化数据条件下的树高反演精度提供新的思路。此外,为校正地形坡度对树高反演精度的影响,提出基于随机散射模型的坡度校正算法,仿真实验证明在面对雷达视线方向的一定坡度范围内,该校正算法成功纠正了地形坡度引起的树高反演误差,应用于双极化数据提取若尔盖森林高度中,也得到相应的验证。