森林结构参数与生物量一直是森林生态学与遥感学研究的热点与难点。由于森林结构各项参数具有显著的时空分异特性，传统的地面实测方法在大尺度研究中缺乏优势。激光雷达以其对森林垂直结构参数高精度的直接测量能力，在森林生态测量中越来越显示出不可比拟的优势，而在区域尺度上基于光学遥感影像和模型反演植被生物生理参数是目前最有效的途径。因此，探索复杂地形条件下森林冠层高度的激光雷达估算方法，及利用多源遥感数据进行区域尺度林分冠层高度与生物量估算，对于全球或区域气候、水文、生态模型，及生物多样性、碳循环等基础性研究具有重要意义，而且是一项具有挑战性的工作。　　 本文在分析山地地形条件下利用大脚印激光雷达数据提取森林冠层高度可行性的基础上，实现对GLAS原始波形数据的处理算法，提出并建立了坡度较大地区大脚印激光波形数据森林冠层高度提取模型；同时，基于多源遥感数据(GLAS、TM)建立了区域尺度森林冠层高度联合反演模型，并分析了未采样区冠层高度反演中的不确定性；最后，针对激光雷达数据，建立了区域尺度森林地上生物量反演回归模型与BP神经网络模型。研究结果表明，在地形条件复杂的三峡库区，利用GLAS数据进行森林冠层高度与生物量估算是可行的，并且具有较为广泛的适用性。　　 主要创新点有：　　 (1)通过模型估算三峡库区森林覆盖度与LAI，分析了不同森林类型植株高度与LAI的关系。发现，针叶林与阔叶林的树高与LAI之间存在不同程度的相关性，而混交林的树高与叶面积指数相关性较差。通过线性与二次多项式拟合，针叶林R2判定系数为0.599和阔叶林为0.401，且随树高缓慢增长，LAI逐渐增加。如果考虑区分树龄，则树木高度与LAI的相关性将进一步提高，树龄小于13年的针叶林R2判定系数达到了0.607，说明其树高与叶面积之间有明显的相关关系，阔叶林的R2判定系数也达到了0.596，均高于不考虑树龄时的R2判定系数。不同的森林类型，由于树叶形状的差异，LAI随林木增长的变化不同。植株高度与I.AI及植被覆盖度之间的相关性，能够为我们进行植被高度的空间外推提供可解释的物理意义及依据。　　 (2)分析了三峡库区不同森林类型GLAS数据的空间分布，实现对GLAS　　 原始波形数据的处理算法，分别针对平缓地区与坡地的地形条件，研究了不同地形条件下的森林冠层高度提取模型，特别在对地形指数法对比及坡地GLAS波形数据分析基础上，提出了质心-地形指数法估算森林冠层高度，建立了不同森林类型的冠层高度提取模型。总体上，GLAS激光雷达对平缓地区森林冠层高度估算精度较高，RMSE达到了0.549-0.771。同时，两种模型都能对地形复杂地区的林分高度进行估算，如地形指数法的RMSE达到了0.557-0.673，稍低于LEFSKY的0.59-0.69精度。相对而言，质心，地形指数模型的精度较好一些，针叶林RMSE达到了0.696，但对阔叶林，其精度反而有所下降，RMSE仅0.41。利用所有森林类型数据建立的回归模型分析，质心-地形指数模型RMSE达到了0.737，高于地形指数模型的0.709，结果比较满意。　　 (3)进行了激光雷达数据与光学遥感数据联合在区域尺度森林冠层高度反演的方法研究，比较了CoKriging与Kriging地统计学模型、回归模型及混合模型在区域尺度森林冠层高度反演中的优劣性。提出了在区域尺度森林冠层高度反演中应考虑光学遥感生物物理参数对提高模型精度的重要作用。结果表明，考虑了光学遥感生物物理参数的回归模型在区域尺度森林冠层高度反演中仍然有很高的精度，同时，如果能充分利用地形复杂地区GLAS大脚印激光雷达点的波形数据，增加点密度，则混合模型的精度将会是最高的。　　 (4)建立了基于GLAS激光雷达数据的森林地上生物量的回归模型与BP神经网络模型，提出在山地地形条件下，森林垂直结构参数等多源遥感数据对森林地上生物量反演的方法。分析发现GLAS最大冠层高度与地上生物量的相关系数达到0.95，回归模型的R2判定系数也达到0.903，而阔叶林也达到了0.616，R2判定系数也达到0.379，模型也达到了实际精度要求。同时，建立了包括GLAS森林冠层高度、光学遥感植被指数等多种数据的BP神经网络生物量估算模型，并进行了区域尺度的森林地上生物量估算，分析发现，神经网络模型能够最大限度的利用遥感图像样本集的先验知识.自动提取合理的模型，且其非线性特点非常适合于地形较复杂地区的森林生物量估算。