森林地上生物量能够反映森林生态系统生产力的高低，快速准确的估测森林生物量不仅可以为全球气候变化研究提供基础数据，而且能够监测整个森林系统的动态变化。遥感技术以其独特的获取方式、大面积覆盖和数字化等优点，已成为森林生物量估算的重要手段。目前已有许多不同类型的光学遥感影像用于生物量估算，但这些影像由于光谱饱和问题，对林分结构复杂、森林浓密等生物量密度较大的地方估算精度较低。激光雷达(Light Detection And Ranging，Lidar)是近年来迅速发展的一种主动遥感技术，Lidar发射的激光脉冲穿透森林植被的冠层获得三维信息，可以有效解决数据饱和问题，提高数据估算精度。已经有研究将Lidar数据与光学数据结合来估算森林生物量，但是关于不同数据源、不同植被类型以及不同模型算法如何影响生物量估算精度的研究还很欠缺。本研究以巴西帕拉州东北部的Tomé-Acu为研究区，将Rapideye影像、Lidar影像以及野外实测数据作为数据源，提取光谱信息、植被指数、纹理信息与高度信息，并基于Rapideye、Lidar、Rapideye+Lidar数据分别建立线性回归模型、乘幂模型、随机森林(Random Forest，RF)模型和支持向量回归(Support Vector Regression，SVR)模型;考虑到植被类型对生物量估算的影响，本文将植被分为经济林和次生林，分别在植被类型分层和植被类型未分层的情况下建立模型。综合对比分析这些模型估算结果可以得出以下结论:(1)在亚马逊热带雨林区域，Rapideye数据不适合单独用于生物量估算，但当生物量的密度在50-150Mg/ha之间时，基于植被分层的SVR模型有很高的估算精度;(2)无论何种模型，Lidar数据都具有稳定的估算结果，且比Rapideye数据的估算精度高，另外，对于Lidar数据，植被的分层并不能提高模型的估算精度;(3)将Lidar数据与Rapideye数据结合的估算结果与单独使用Lidar数据比较，精度并没有提高;(4)对于不同的生物量密度，最合适的生物量估算模型是不同的，整合不同密度的最优结果，可以提高整体的估算精度;(5)针对不同的研究区，最优的生物量估算过程需综合考虑森林类型和AGB范围，选择合适的数据源与建模算法。