林业调查中十分重要且不可缺少的是包括胸径、树高、蓄积量、生物量等森林参数的调查,传统的森林调查具有很多缺点,需要耗费巨大的人力和财力,效率低下,且很难对大范围的森林参数进行调查。与主动式遥感相比,森林参数遥感估测常用的被动式遥感技术易受天气的影响,林冠穿透能力弱,导致森林参数的估测精度较低。作为主动式遥感的合成孔径雷达(Synthetic Aperture Radar,SAR)技术的出现,使森林调查在垂直结构探测能力方面有了突破性的进展。本文以紫金山国家森林公园为研究对象,以2011年和2015年两期合成孔径雷达数据为数据源,利用多元线性回归、人工神经元网络、K-近邻算法、决策与回归树、装袋算法和随机森林六种估测模型,对研究区森林的平均树高、平均胸径、单位面积蓄积量参数进行了反演,分析了2011年和2015年2期的紫金山森林分布状况和生长状况,并进一步分析了这5年间森林参数,以及林木生长状况的动态变化。研究结果表明:从四种极化目标分解方法得到的极化特征图像中可以看出,水体、建筑用地和裸地的颜色特征比较明显,且易于区分;而同属于有林地的针叶林和阔叶林的颜色特征不明显,较难区分。Cloude分解对于针叶林和阔叶林的区分明显优于其他三种目标分解方法。从六种森林参数估测模型的精度中可以看出,在这六种估测模型中,对于平均胸径、平均树高和蓄积量三个森林参数的估测精度最高的是随机森林模型、多元线性回归模型的估测精度最低;而在三种森林参数中,平均树高的估测精度最高,平均胸径的估测精度最低。通过计算分析极化特征值、地形因子、人为干扰因子以及雷达植被指数的相对重要性和节点纯度,可以看出,地物的雷达回波散射特征和地形因子是影响研究区森林参数的重要环境变量。对森林参数反演结果进行趋势面插值、反距离权重插值、普通克里金插值、自然邻域法插值,对比四种插值精度得到:普通克里金插值和自然邻域法插值的精度最好,反距离权重插值的精度一般,趋势面插值的精度最低。对于样本较大,空间分布均匀的数据,克里金插值和自然邻域法插值效果优于其他插值方法。从森林参数的空间分布图中可以看出:平均胸径,平均树高和单位面积蓄积量高的林分,处于研究区海波较高、坡度较陡的南北坡中上部;平均胸径、平均树高、单位面积蓄积量中等的林分位于公园海拔较低、坡度平缓的南北坡中下部,平均胸径、平均树高、单位面积蓄积量较低的林分则位于水体、建筑用地、草坪占主导地位的紫金山外缘地区,总体呈现出由里向外逐渐降低的带状分布格局。从2011年和2015年的森林参数空间分布图中可看出:2015年的平均胸径、平均树高、单位面积蓄积量有所提高,且海拔较高地区的阔叶林的平均胸径、平均树高、单位面积蓄积量提高明显,但由于研究区内旅游景观的改造、建筑的修葺和增建,平均胸径小(<5cm)、平均树高小(<4m)和单位面积蓄积量小(<30m~3/hm~2)的区域面积有明显增加的趋势。