遥感技术以其宏观、快速、动态、可重复等特点被广泛用于区域森林地上生物量估算,已成为目前森林地上生物量估测的主要方法。高分三号(Gaofen-3,GF-3)卫星作为我国首个C波段合成孔径雷达(Synthetic Aperture Radar,SAR)卫星,可以穿透云雾和森林,可以全天时全天候工作,其侧视成像、多极化能力可以较好地反映地表植被散射机制。然而C波段SAR在林分密集处穿透性不够,在林分稀疏处受到土壤条件影响较大,借助极化分解的手段对SAR的参数进行组合优化,可以改善C波段SAR后向散射系数估测森林地上生物量的不足,而且利用不同遥感数据源所含信息的互补性,能够较准确地反演森林地上生物量。本研究以广西省南宁市高峰林场为研究区,结合森林样地调查数据,提取GF-3全极化(Polarimetric Synthetic Aperture Radar,PolSAR)数据的后向散射系数、极化分解参数和Landsat-8 OLI数据的光谱信息、植被指数、纹理,分别基于单一来源遥感数据和基于多源遥感数据对森林地上生物量进行估测,探究多源遥感估测森林地上生物量的可行性。为了能有效利用高维遥感特征进行森林地上生物量估测,本文提出基于序列前向特征选择的 k 最近邻法(K-nearest Neighbor Based on Sequence Forward Feature Selection,KNN-SFS)。KNN-SFS方法以森林样地调查数据为参考,以留一法交叉验证得到的森林地上生物量预测值和实测值之间的均方根误差(RMSE)最小为原则,依次迭代选取出最优特征组合,从而优化森林地上生物量的KNN估测模型。实验结果表明结合GF-3 PolSAR数据和Landsat-8 OLI数据估测研究区森林地上生物量的精度为RMSE=21.05 t·hm-2,R2=0.75,优于仅使用 GF-3 PolSAR 数据估测的精度(RMSE=28.38 t.hm-2,R2=0.47)和仅使用 Landsat-8 OLI 数据估测的精度(RMSE=29.52 t·hm-2,R2=0.42)。且多源数据的联合在一定程度上可以充分利用不同传感器的优点,优化特征组合,减少估测森林地上生物量所需的特征数,降低特征冗余度。KNN-SFS方法可以高效、快速地从高维度遥感特征中选取相关特征进行森林地上生物量优化建模,为森林地上生物量的估测提供了一种可行的方法。