作为陆地生态系统的主体,森林生物量占全球陆地生态系统生物量的比例超过80%,在减缓全球气候变化影响、维护生物多样性和防治水土流失等方面起到至关重要的作用。森林地上生物量是评价森林生产力和固碳率的关键参数,因此,快速准确地估测森林地上生物量对于量化碳储量和了解全球碳循环是十分重要的。中国计划于2020年底发射一颗陆地生态系统碳监测卫星,这是中国第一颗专门应用于森林监测领域的卫星,该卫星将搭载大光斑激光雷达系统,基于该星载大光斑激光雷达可开展森林垂直结构探测,反演林分平均高、森林生物量等工作。利用大光斑激光雷达数据反演森林结构参数时,光斑尺度上的森林高度变化较快,且常常需要联合光学影像数据,这对激光雷达光斑的水平定位精度提出了较高的要求。本文利用国家林业和草原局调查规划设计院在河北张家口和湖南张家界获取的激光雷达数据,分别对大光斑激光雷达的位置校准和基于仿真大光斑激光雷达波形的森林地上生物量估测进行了研究。本文的主要研究内容包括:1、采用激光点云数据生成叶面积指数(Leaf Area Index,LAI)和冠层高度模型(Canopy Height Model,CHM),与数字正射影像(Digital Orthophoto Map,DOM)的对比表明,LAI和CHM与DOM中植被的分布情况相吻合。利用地面样地调查数据与LAI和CHM的乘积建立线性回归模型,得到了森林地上生物量样板数据,大大扩充了生物量估测模型的训练集样本数量。2、采用深度度量学习模型对大光斑激光雷达的回波波形进行相似性度量。研究结果表明,多层感知器(Multi-Layer Perceptron,MLP)的深度度量学习模型的度量效果更好,长短期记忆网络(Long Short Term Memory,LSTM)的过拟合程度最小,而一维卷积神经网络(Convolutional Neural Network,CNN)介于两者之间。同时,通过修改距离度量函数,并在孪生神经网络后增加序贯神经网络,能够得到性能更好的深度度量学习模型。3、采用仿真激光雷达波形的波形参数估测森林地上生物量,共有16中波形参数,构建了22中不同的参数组合方式。设计了一个包含5个隐含层的MLPMAM生物量估测模型,并与传统的MLR模型的估测结果进行了比对,结果表明,在21种参数组合中,MLPMAM模型均取得了明显优于MLR模型的估测效果。与样地实测生物量数据对比发现,两种模型的估测结果总体上低于样地实测值,但MLPMAM模型的偏差幅度明显小于MLR模型。实验分析证实了深层神经网络模型在激光雷达的光斑位置校准以及基于激光雷达数据的森林地上生物量估测方面的的优势。