树高是森林垂直结构的重要参数,可以用来评估森林的碳储量以及生物量。本文对美国北卡罗来纳州杜克森林和中国四川乐山的树高反演进行了研究。杜克森林的地形平缓或起伏不大,而乐山的地形比杜克森林崎岖的多。反演算法基于干涉和极化干涉技术,使用了ALOS PALSAR和Sentinel-1A SAR数据集。1)在L波段估计杜克森林地区的树高,分别使用了改进后的相干幅度法、旋转不变技术信号参数估计（Estimation of Signal Parameter via Rotational Invariance Techniques,ESPRIT）算法、前两种算法相结合的联合反演算法以及三阶段反演算法。改进后的相干幅度法高估了树的高度,但ESPRIT算法低估了树的高度,联合反演算法提高了精度。四种算法中,三阶段算法与联合反演算法反演的效果最好。对研究区内的像素进行统计分析,通过算法检索到的平均高度分别为27.6、6.2、20.0和22.3 m。在这32个样本中,四个算法的反演值与实测值之间的绝对差比率小于20%的样本数分别为12、1、22和24。2)相比之下,在C波段的Sentinel-1A应用改进后的相干幅度法、ESPRIT算法以及前两者的联合反演算法在杜克森林估算树木的高度。算法反演的平均高度分别为22.7、16.3和25.4 m。在15个样本中,反演值与测量值之间的绝对差比小于20%的样本数分别为11、7和3。由于C波段的对冠层穿透较浅,因此体散射占主导地位,这提高了改进后的相干幅度法进行树高估计的能力。因此,改进后的相干幅度算法总体上表现最佳。3)在以山地为主的乐山地区,由于DSM差分法反演值高于测量值,改进后的直接相位差法反演值低于测量值,将这两种算法通过相干系数加权的方式结合起来,提出了一种基于相干系数权重的算法,12个样点中,6个样点均比之前方法的精度高。