森林火灾作为一种突发性强、危险性高、救援难度大的自然灾害,已被联合国列为世界八大自然灾害之一。森林火灾不仅会烧毁树木、减少生态资源,还会造成空气污染、引起水土流失、破坏生态环境,进而影响人类的生产生活。当前,全世界每年平均发生的森林火灾多达20余万次,烧毁的森林面积约占世界森林总面积的0.1%。2021年上半年,中国境内累计发生森林火灾518起,较历史同期虽有所下降,但仍较为频繁。随着极端气候的增加、全球气候变暖及生态建设的开展,森林火灾的发生概率大幅提升,及时掌握森林火灾多发态势、预防重大自然森林火灾的发生是我国乃至全世界都需关注的重点问题。因此,在这样的背景下,开展森林可燃物识别对防范森林火灾的发生、预警和灾后评估具有十分重要的意义。本文旨在基于星载LiDAR与多源遥感数据,开展漠河地区基于植被类型识别、结构反演的可燃物监测方法研究,实现区域10 m分辨率的森林可燃物制图,主要从以下四个方面开展研究:1)围绕森林可燃物的火行为特征,建立可燃物类型系统;2)发展基于决策树的植被类型识别方法,实现植被类型划分;3)以星载LiDAR数据为主要数据源,联合多源遥感数据,结合机器学习模型构建离散森林冠层高度外推反演模型,实现森林冠层高度的外推反演;4)结合实测数据,深入分析森林基高与植被覆盖度、冠层高度的关系,通过构建森林基高反演模型从而获得结构数据。本文主要的研究内容和结论如下:（1）建立可燃物类型系统。开展可燃物种类、载量、空间结构变化等对火行为影响的研究,发现随着载量增加、水平连续性和垂直连续性的增强,火行为逐步由地表火向稳进树冠火和急进树冠火发展,依据此特征从而进行多要素、逐级别的可燃物类型划分。根据可燃物载量以表征植被燃烧量,将一级可燃物类型划分为森林、灌丛和草地。考虑到植被易燃性和空间结构,结合燃烧蔓延临界覆盖度和乔木基高进一步细分,最终形成12类二级可燃物类型。结合漠河地区兴安落叶松林、樟子松林和白桦林等主要树种,派生出区域性的16类自然可燃物类型。（2）开展植被类型分类方法研究。开展最优分割尺度研究,利用单一变量法及ESP2评价算法,分别固定形状因子和紧致度因子,确定最优分割尺度为70,shape=0.1、compactess=0.5为最佳同质性参数组合。基于多源信息分析,为增强光谱空间的可区分度,构建比值型近红外植被指数TIRVI以提高白桦林的识别精度,结果表明基于TIRVI植被指数的识别精度较随机森林与SVM算法分别高出7%、6%。结合光谱与纹理特征信息,构建决策树分类模型以实现漠河地区的植被分类,整体的分类准确度为92.9%。（3）建立离散森林冠层高度外推反演模型。采用随机森林模型用于森林冠层高度的反演及外推,结果表明随机森林模型的训练与验证R~2最高为0.907、0.802,外推反演的冠层高度大部分在正常范围内,且在1:1线附近紧密围绕。相较于多元线性回归、K邻近和梯度提升树模型,随机森林模型的训练和验证R~2均高出0.5以上。（4）建立多尺度、逐级拟合的植被覆盖度反演模型。为降低10m尺度下植被覆盖度计算的不确定性,分别建立地面实测与GF-2反演植被覆盖度、Sentinel-2与GF-2反演植被覆盖度的线性模型。结果表明,地面实测与GF-2反演植被覆盖度、Sentinel-2与GF-2反演植被覆盖度的相关性均较高,R~2分别为0.83、0.82。结合107个地面调查样本点的精度评价,实测与修正后的Sentinel-2反演植被覆盖度的拟合R~2高达0.9,二者具有高一致性。（5）建立森林基高反演模型。利用植被覆盖度、冠层高度与基高之间存在的线性关系,通过建立冠层高度与基高的线性模型,利用二者的相关性初步反演基高。引入植被覆盖度,构建二元一次方程模型对初步反演的基高值进行修正,以获得三种森林类型的基高结构信息。训练结果表明,白桦林、兴安落叶松林和樟子松林的基高反演精度较高,反演与实际值的拟合R~2均在0.7以上,高度Bias及RMSE都在1m以内。验证结果表明,白桦林与兴安落叶松林的基高拟合R~2均在0.6以上,其中白桦林的拟合R~2高达0.94。