植被约占地球陆地表面的70%,作为地球上物质循环和能量流动的枢纽,是生态系统中最重要的组成成分之一。植被生化参数包括植物体内含有的叶绿素、水分、氮素等组分,与许多重要的生态过程密切相关,是表征植被胁迫和生态系统功能的强有力指标。因此,快速、准确地估计植被的生化参数就显得尤为重要。遥感技术具有快速、大尺度、精度较高等优势,在获取生态与环境要素参数方面具有不可替代的作用。高光谱激光雷达可以同时获取目标精确的三维空间信息和丰富的光谱信息,自诞生以来便引起了多个国家研究者的广泛兴趣。作为一种新型传感器,其为植被生长状态以及生化参数监测提供了新的可能。然而,高光谱激光雷达探测植被生化参数的经验模型研究仍较为匮乏。在物理模型反演方面,高光谱激光雷达难以探测植被透射率光谱,而标准的PROSPECT模型反演需要反射率及透射率。此外,该物理模型针对400-2500 nm范围内的方向-半球被动光谱所建立,而高光谱激光雷达探测只能探测有限波长的方向-方向反射率。因此,基于PROSPECT模型的高光谱激光雷达生化参数反演的可行性和方法有待研究。在此基础之上,还需要确定最高效的PROSPECT模型反演数值反演波长,以指导高光谱激光雷达系统的研制和应用。针对这些问题,本文展开高光谱激光雷达植被生化参数遥感定量反演研究,通过构建基于高光谱激光雷达系统的经验模型和物理模型,对多种植被生化参数进行定量监测。主要研究内容与创新工作如下:1)系统总结了高光谱激光雷达系统特点、发展及现状;从植被叶片结构及生化特性出发,分析了植被叶片反射光谱特性;详细介绍了定量遥感探测植被生化参数的两大基本方法:经验模型反演与物理模型反演的研究现状与基本理论方法。2)以叶片氮含量反演为例,研究高光谱激光雷达探测植被生化参数的经验模型。基于多年水稻叶片氮含量观测实验,利用多种线性和非线性机器学习算法分别建立了氮含量监测回归模型。除高光谱激光雷达系统外,同步开展了ASD被动光谱仪与四波长多光谱激光雷达对水稻叶片的对比观测实验。在两个维度进行了研究:（1）多种主、被动遥感探测器获取的反射光谱构建经验模型效果对比,（2）多种线性和非线性回归经验模型估计叶片氮含量效果对比,并提出通用于主、被动反射谱的水稻叶片氮含量反演经验模型。3)提出了只基于反射光谱的PROSPECT物理模型反演方法,解决了标准的PROSPECT模型反演既需要反射谱又需要透射谱,而高光谱激光雷达等遥感手段一般难以探测植被透射率光谱的问题。通过构造不同的代价函数,研究三种反演策略:（1）只基于反射谱,（2）只基于透射谱,和（3）基于反射谱及透射谱对PROSPECT模型中包含的多种生化参数的反演效果。证明了只基于反射谱可以较高精度反演叶片叶绿素含量和水含量,而效果与基于反射谱及透射谱相近,为高光谱激光雷达数据的物理模型反演奠定了基础。4)开展了基于PROSPECT模型的高光谱激光雷达叶绿素含量反演验证。针对高光谱激光雷达探测通道数目有限,无法满足标准PROSPECT模型反演400–2500 nm的宽谱段要求。基于模型敏感性分析和高光谱激光雷达系统探测通道构造代价函数,对叶绿素含量进行反演,并利用系统实测数据证明了其基于PROSPECT模型反演叶片叶绿素含量的能力,效果优于一般的经验模型,为高光谱激光雷达数据的物理模型反演提供了实验支撑。5)基于PROSPECT物理模型,提出了一种高光谱激光雷达探测植被生化参数最优波长选择方法。联合多版本PROSPECT模型敏感性分析和植被高光谱数据波段空间自相关分析,提出具有物理基础的高光谱激光雷达数据波长自动选择算法。确定了最优波长组合:680,716,1104,1882和1920 nm,实现了对叶片叶绿素和水含量的PROSPECT模型高精度反演,为新型低成本、高效率高光谱激光雷达系统的研制提供理论指导。