森林生物量作为反映森林生态系统性质和状态的重要指标,是评价生态系统服务功能的基础特征,已被广泛应用于温室气体核算、应对全球气候变化和碳平衡调控等诸多领域。通过遥感技术估算森林生物量弥补了传统林业调查方式在大尺度及动态监测上的不足,已成为森林生态及环境遥感领域的应用热点。近年来,随着无人机遥感平台的飞速发展及遥感数据空间分辨率的提升,遥感技术为精细尺度森林资源参数的获取提供了可能。森林生物量的遥感估算也随之发展向多平台、多传感器、多尺度估算迈进。激光雷达（light detection and ranging,LiDAR）遥感具有穿透植被冠层直接提供高精度三维信息的能力,在生物量遥感估计中展示出了巨大的优势。本研究以东北林区长白落叶松人工林为研究对象,利用无人机遥感平台搭载激光雷达传感器（UAV-LiDAR）作为主要数据源,结合样地实测与星载光学影像,构建一套从单木—样地—小区域—林场的多尺度森林地上生物量估算体系,为森林生物量多尺度遥感估算提供技术支撑。本研究以黑龙江省佳木斯市孟家岗林场为研究区域,选取了11个不同林况的长白落叶松人工林区域进行UAV-LiDAR数据采集。首先利用历史采集的解析木数据构建地上生物量异速生长模型,并利用误差传递法对地面实测估计生物量进行不确定性分析,以此作为后续单木及林分尺度生物量估算及验证的参考数据。对于单木尺度生物量估算,本研究首先开发了基于区域合并的单木点云分割方法,在此基础上,提取单木及样地水平的点云特征参数,构建了混合效应单木胸径估算模型并结合异速生长模型进行单木尺度生物量估算。对于样地尺度的生物量估算,本研究首先利用激光雷达特征因子及似乎不相关回归模型构建基于UAV-LiDAR的直径分布模型,并以此为基础模拟径阶-生物量分布;其次,本研究直接构建了基于UAV-LiDAR的林分生物量模型,并与单木生物量估算及生物量分布模拟在样地尺度上累加的结果进行比较。对于小区域尺度生物量估算,本文采用了单元水平小区域估计模型,针对11个无人机采集区域进行“小区域”生物量估计,并分析其估算不确定性及误差来源。对于林场尺度生物量估算,本文利用UAVLiDAR结合Sentinel-2光学影像进行林场尺度长白落叶松人工林生物量估计,并分析误差传递过程及UAV-LiDAR数据在升尺度生物量估算中的效率提升。纵观全文,考虑到无法获取生物量的“真值”,本文利用实测数据结合Monte-Carlo模拟方法进行单木、径阶及样地尺度生物量估算检验,而对于小区域及林场尺度,利用其总体均值的标准误进行估算结果评价。研究获得主要结论如下:（1）在单木尺度上,本文提出的基于区域的层次合并点云分割方法能够在林分密度较高的中、幼龄林中提供比经典单木算法（标记控制分水岭、点云区域生长法）更好的分割效果;利用胸径估算模型间接得到的单木生物量估计精度约为相对均方根误差（RMSE）为37.24%,使用混合效应模型的校准预测能够有效提高预测精度;此外,基于实测的单木生物量估算不确定性较差（相对误差平均为15.08%）,本文提出的MonteCarlo模拟检验避免了使用实测生物量估计值对遥感估算精度的高估。（2）在样地尺度上,对于样地内各个径阶数量和生物量分布模拟,参数回收模型均优于使用参数预测法的结果。对于样地生物量的估计,单木集成法受益于高精度的单木分割方法和单木尺度模型而在未局部校准预测中获得了更好的预测效果（相对RMSE为13.10%）,但通过局部校的准林分均值回归获得了更好的预测结果。相比之下,分布累加法虽然提供了样地水平更丰富的细节层次信息,但其结果不如林分均值法。（3）在小区域尺度上,使用单元水平小区域估计能够直接利用前文开发的含有区域水平混合效应的林分均值模型。基于UAV-LiDAR的小区域生物量估计获得了较高精度的估计结果,在数据采集的11个区域平均相对误差为4.06%,且随林分生物量的升高而降低。（4）在林场尺度上,在UAV-LiDAR作为中间层的“星机地”一体化估算中,使用全部数据的估计精度略低于传统的“星地”模型的估算精度,其中误差主要来源于第一水平的UAV-LiDAR模型,其占总体误差的62.46%,忽略这部分误差将会造成精度的过高估计。在模拟减少样地数量的过程中,UAV-LiDAR的贡献随之体现,当样地数量减少到30时,UAV-LiDAR平均带来了2.6倍的效率提升,证明可通过增加无人机飞行区域面积与样地调查面积的比例提升“星机地”一体化的估算精度。