泰加林广泛分布于环北极多年冻土区，是世界上面积最大且独具北极寒区生态环境的森林带，在全球碳循环中发挥着重要作用。冠层高度是森林生态系统的关键结构参数，与森林生物量和碳储量的建模密切相关，是评估森林资源和森林健康状况的重要指标。现有的全球森林高度产品是基于中低纬度地区的森林观测外推而得，因此，需要开发专门针对泰加林的冠层高度遥感反演模型。本研究基于ICESat-2星载激光测高数据和Sentinel-1/2影像，开发了适用于泰加林的高精度冠层高度反演模型，并生产了阿拉斯加东南部森林研究区的10米分辨率森林冠层高度产品。本研究首先采用高精度的机载激光雷达数据产品对ICESat-2的足迹级别冠层高度估计进行了精度评估，发现其冠层高度反演的均方根误差约为3.93米。通过误差分析，本研究发现ICESat-2的冠层高度估计存在系统性偏差，其表现为灌木的高度被普遍高估，而森林的高度被普遍低估，残差分布随着冠层高度的增加而逐渐下移。但是，现有研究在使用ICESat-2冠层高度估计数据时，普遍忽略了其存在的偏差。为了从数据基础上提升泰加林冠层高度制图的准确性，本研究根据地形高度和冠层高度残差之间存在的负相关关系，采用小范围、高精度的机载激光雷达数据和数字地形产品训练了ICESat-2冠层高度估计的校正模型，通过统计回归方法实现偏差校正。然后，本研究探究了不同遥感数据源和影像特征对泰加林冠层高度反演的影响，利用Sentinel-1/2影像生成用于冠层高度制图的多种光谱、纹理和极化特征。在训练泰加林冠层高度反演模型时，Sentinel-1/2影像中提取的多源遥感特征被作为训练数据（模型自变量），而偏差校正后的ICESat-2冠层高度估计被作为稀疏监督数据（模型因变量）。模型采用先进的堆叠式集成学习技术训练，以实现多个机器学习模型的融合、提高预测准确性、克服单一机器学习算法的缺点，并降低过拟合的风险。最后，在泰加林冠层高度制图成果的基础上，本研究采用时空变化分析和森林扰动检测方法，探究森林火灾和人为砍伐等扰动因素对泰加林的影响。本研究有助于提升对陆地冰冻圈要素的遥感监测能力，帮助更好地了解人类活动和气候变化对北极陆地生态系统的影响，为泰加林的管理和保护提供科学依据，并为泰加林带北移等研究提供数据支持。

卫星遥感,高度计,环北极,泰加林,冠层高度制图