森林郁闭度是森林资源监测的一个重要基础参数,在森林资源管理中具有重要作用。以往遥感反演森林郁闭度均基于单一遥感数据源,结合光学与雷达卫星数据的遥感估测模型构建与应用研究较少,而结合国产光学与雷达卫星数据估测森林郁闭度的相关研究还未见报道。因而,本文选择天山西部云杉林区为实验区,以天山云杉小班郁闭度遥感定量估测为目标,基于国产光学和雷达卫星数据,提取遥感影像特征样本,探究基于小班尺度的多元逐步回归、BP神经网络和Cubist 3种模型定量估测天山云杉林郁闭度的可行性,以期为森林资源调查、监测等提供技术和方法借鉴,并促进国产卫星影像数据在森林资源监测中的应用。主要研究结论如下:(1)基于高分二号卫星影像提取204个特征因子,基于高分三号卫星影像提取92个特征因子,基于DEM数据提取3个特征因子。分析各类特征因子与郁闭度的相关性,得出与郁闭度相关性较好的因子分别为:植被指数中NDVI,高分二号和高分三号卫星影像8种纹理特征中的方差(VAR)、同质性(HOM)、对比度(CON)、相异性(DIS)、熵(ENT)、二阶矩(ASM)和相关性(COR),以及地形因子中的海拔和坡度。根据各特征因子与郁闭度的相关系数以及各特征因子之间的相关性,最终选取17个特征因子作为模型的输入参数。(2)分别构建了基于光学影像特征、雷达影像特征以及联合光学和雷达影像特征的小班郁闭度估测模型,对模型精度进行评价得出:从数据源来看,基于光学影像特征的小班郁闭度估测模型精度普遍较高,平均精度为78.50%,其次是联合光学和雷达影像特征的小班郁闭度估测模型,平均精度为78.11%,最后为基于雷达影像特征的小班郁闭度估测模型,平均精度为76.90%;就3种模型而言,BP神经网络模型估测精度最高,平均精度为79.19%,其次是Cubist模型,平均精度为78.08%,最后为多元逐步回归,平均精度为76.25%;从不同郁闭度等级来看,中郁闭度估测精度整体较高,平均精度为84.33%,其次是高郁闭度估测,平均精度为81.86%,最后是低郁闭度估测,平均精度为55.48%。(3)基于光学影像特征构建的BP神经网络模型在所有模型中总体精度最高,精度为80.51%,在低郁闭度估测中,基于光学影像特征所建的BP神经网络模型估测精度最高,精度为75.37%,在中郁闭度估测中,基于雷达影像特征所建的Cubist模型估测精度最高,精度为87.46%,在高郁闭度估测中,联合光学与雷达影像特征所建的Cubist模型精度最高,精度为89.17%。说明高分二号和高分三号卫星数据在天山云杉小班郁闭度的估测方面具有一定的潜力,可以给类似区域提供参考借鉴。