准确估算大区域尺度高分辨率森林地上生物量(above ground biomass, AGB)及净初级生产力(net primary productivity, NPP)对全球气候变化及影响研究具有重要意义。在森林AGB估算中，传统森林样地清查法的估算结果较准确可靠，但需要大量野外实地调查，费时费力且破坏性大。由于森林生态系统空间异质性、抽样方式及观测时间等的差异，该方法应用于大区域森林生物量估算时存在着极大不确定性。在森林NPP估算中，常用的估算模型有统计模型和过程模型。前者模型简单、参数易获取，但其生态生理机制不明确；后者模型机理明确，但存在模型复杂、参数难以获取，难以进行时空尺度转换等问题。为获取高分辨率、大尺度及高精度的森林生态参数估算结果，基于遥感技术建立简单、高效且具有明确生态生理机制的森林生态参数估算模型已经成为该领域研究热点之一。

遥感技术飞速发展，为大尺度范围内的森林AGB及NPP的估算提供了强有力的技术支撑。光学遥感可以提供森林冠层的水平结构信息，从而估算叶面积指数和郁闭度等生态参数。合成孔径雷达对森林冠层具有一定穿透能力，可以获得表征森林冠层垂直结构的信息，用来估算树高和蓄积量等。激光雷达技术可直接获取树木的三维结构信息，准确估算林分高度。融合多源遥感信息，可以充分发挥不同遥感技术优势，为森林AGB估算提供更加全面丰富的信息。此外，基于遥感信息估算森林生态参数作为过程模型的输入来估算森林NPP，既可以结合森林生理生长机理，又充分发挥了遥感数据的时空尺度易转化性，为研究森林NPP的时空动态变化奠定基础。本文以伊春市森林资源为研究对象，探索森林AGB及NPP估算方法。主要研究内容如下。

(1) 提出了一种基于经验模型的林分平均高估算方法。利用Sentinel-1B的VH、VV极化后向散射系数分别与Sentinel-2A遥感影像衍生的森林覆盖率变量构建林分平均高估算模型，通过对比分析获得最优模型。试验结果表明利用VH后向散射系数与森林覆盖率变量构建林分平均高估算的模型更加稳健可靠，估算精度更高，采用该方法可以实现大区域、高分辨率以及空间连续的林分平均高估算，为开展森林AGB估算方法的研究奠定基础。

(2) 提出了一种基于面向对象随机森林算法的森林类型精细化提取方法。融合Sentinel-2A、多时相的Landsat-8、Sentinel-1A和DEM遥感数据解决了森林类型提取精度不高、精细化程度以及分辨率较低的难题。通过组合不同遥感影像特征构建森林类型精细提取方案，采用对比分析的方式获得最优的遥感特征组合。试验结果表明基于该方法融合Sentinel-2A、多时相Landsat-8、Sentinel-1A VV极化后向散射和DEM数据方案的森林类型精细化提取精度最高。通过该方法可以实现大尺度、高空间分辨率的森林类型精细化测图，为区域森林类型精细化提取研究提供典型示范作用，也为森林碳储量及碳汇估算提供数据基础。

(3) 提出了一种基于机器学习算法的森林AGB估算方法。融合多源遥感信息有效抑制常用方法尺度转换、信号饱和、受地形和波长的影响较大等问题。为获得更优的森林AGB估算模型，本文以随机森林算法为基础，采用两种不同的策略分别构建AGB模型：①按不同的森林类型构建估算模型(针叶林、阔叶林和混交林)；②将所有森林类型统一构建估算模型。通过对比分析得出按照不同森林类型构建AGB估算模型更优、更稳健、精度更高。同时，由于混交林的森林群落结构更加复杂，以针叶林和阔叶林构建的AGB估算模型性能优于混交林的AGB估算模型。

(4) 提出了一种综合考虑森林生理生态过程机理和遥感生态估算参数时空可扩展性的遥感-3PG耦合模型。该模型以遥感数据驱动3-PG模型实现了大区域森林NPP的可靠估算, 并克服了生态过程模型复杂度高、输入参数多且难以获取、时空尺度扩展及转化难等问题，可用于大区域森林NPP的可靠估算和监测。