森林冠层高度是生物量反演、陆地碳循环分析及林业资源管理的重要基础输入数据。基于遥感数据反演森林冠层高度方面,光学遥感数据光谱信息丰富,在获取森林水平结构方面有优势;星载激光雷达数据覆盖范围广,在获取森林垂直结构方面有优势。因此,本文联合光学遥感数据和星载激光雷达数据,建立森林高度外推模型,反演区域森林冠层高度。本文以黑龙江省桦南县为研究区域,首先利用光学立体影像提取森林冠层高程信息,同时利用对应的单光子数据提取林下地面高程信息,从而生成离散植被冠层高度模型（canopy height model,CHM）,并联合光学遥感影像提供的植被指数,构建BP神经网络模型和多元逐步线性回归模型反演区域森林冠层高度。主要研究内容及研究结果如下:（1）建立了ICESat-2/ATLAS数据产品ATL03与ATL08的关联规则。将ATL08的分类信息标定在对应的ATL03光子上,以获取带有光子空间分布信息和分类信息的ATL03数据产品,生成林下DEM模型。（2）分析了研究区的Landsat-8 OLI光学影像,并提取多维光谱信息。将区域内的多光谱数据经过辐射校正、大气校正等预处理后,根据数据的6个波段转换得出10个植被指数,包括RVI、NDVI、SLAVI、EVI、MSR、NDVI等。（3）构建了多元线性回归模型和BP神经网络模型,分别反演区域森林冠层高度,并用实测机载点云数据进行验证。结果表明,基于BP神经网络模型的相关系数R~2为0.772,RMSE为3.82m;基于多元逐步线性回归模型的相关系数R~2为0.702,RMSE为4.96m。因此,BP神经网络模型更适合用于区域森林冠层高度反演模型。（4）提出了一种反演区域森林冠层高度的新方法。该方法首先利用光学立体影像提取森林冠层高程信息,同时利用对应的单光子数据提取林下地面高程信息,从而生成离散植被冠层高度模型CHM,并联合光学遥感影像提供的植被指数,构建森林高度外推模型反演区域森林高度。该论文有图32幅,表22个,参考文献84篇。