森林是陆地生态系统的重要组成部分,通过光合作用和蒸散作用与大气进行着物质和能量的交换。它可以调节空气中的二氧化碳含量,控制气候变化,对碳循环平衡起着至关重要的作用。随着全球变化与碳循环研究的持续升温,获取大范围、准确、详细的森林冠层高度和生物量信息逐渐成为全球变化和生态建设的迫切需要。森林冠层高度和生物量是碳循环研究的必要信息。常规的森林参数获取是通过野外调查,这种方法劳动强度大,仅能获得一些点上的数据,不能够及时获取大范围森林参数的空间分布信息,遥感技术弥补了传统森林资源调查的不足,实现了大范围时空尺度的森林参数信息提取。本研究以小兴安岭地区为研究区域,在ICESat/GLAS波形数据的处理的基础上提取了大量的波形参数,利用这些参数信息实现森林冠层高度和森林地上生物量的估算。由于ICESat/GLAS波形数据在空间分布上表现为离散的点不具有成像性,所以研究使用光学遥感数据对GLAS激光点森林参数信息进行空间扩展,应用随机森林计算方法建立多角度MISR反射率数据、Landsat TM/ETM+森林扰动数据与森林参数(树高和森林地上生物量)之间的关系模型,获取不同空间分辨率的森林参数空间分布信息。多源遥感数据协同应用提升了森林参数信息提取的能力。主要研究结论如下：(1)对小兴安岭地区的GLAS数据进行波形计算获取森林冠层高度值,使用中等点云密度的机载雷达数据对GLAS森林冠层高度按累积坡度组(0-5°、5-10°、10～15°)进行精度评价,研究发现GLAS数据能够较为准确的描述森林冠层高度信息,对森林冠层高度的解释精度为74.7%～87.1%。随坡度的增大GLAS波形数据的解释能力降低,坡度校正可以明显提高GLAS参数准确度,但是随着坡度增大,坡度校正的修正效果下降(5-10°提高2.4%,10-15°提高0.3%)。(2)在GLAS波形数据处理的基础上提取波形参数,分别使用线性逐步回归算法和Erf-BP神经网络算法建立GLAS光斑生物量模型。对两个模型性能进行比较,Erf-BP神经网络模型预测能力(P=0.965, RMSE=3.81 t/ha)优于线性逐步回归模型(P=0.86,RMSE=4.54 t/ha)利用优选模型对研究区域内的GLAS光斑进行生物量反演。(3)将GLAS激光点作为采样数据,利用MISR数据多角度多光谱反射率信息建立树高和生物量模型,实现大空间尺度的森林冠层高度和地上生物量无缝反演。(4)在局部区域尝试使用Landtrendr (Landsat-based detection of Trends in Disturbance and Recovery)计算方法从时间序列数据中获取森林历史扰动信息,联合扰动信息和激光雷达数据进行区域尺度的森林冠层高度和生物量的高空间分辨率制图,并定量分析扰动信息对森林参数制图的影响。