摘要森林郁闭度(FCC)是评价森林资源和生物多样性的重要参数,利用多源遥感协同手段以较小成本高精度实现区域FCC反演是当前研究热点.本研究以星载激光雷达ICESat-2/ATLAS为主要信息源,结合54块实测样地数据,采用贝叶斯优化(BO)算法改进后的随机森林(RF)、K-最近邻值法(KNN)、梯度回归(GBRT)模型获取光斑尺度ATLAS光斑内FCC,协同多源遥感影像Sentinel-1/2及地形因子基于BO算法优化后的全连接深度神经网络模型(DNN)进行区域尺度的滇西北香格里拉市FCC遥感估测.结果表明:在提取的50个ATLAS激光雷达光斑参数指标中,经RF特征变量优选后,6个特征参数(乔木冠层百分比、冠层顶光子相对高度的标准差、冠层高度最小值、区段内98％冠层高度值与冠层高度中位数的差值、冠层顶部光子数、表观反射率)贡献率较大,可作为光斑尺度遥感估测模型变量.在BO-RF、BO-KNN、BO-GBRT模型中,以BO-GBRT模型估测的FCC结果最优,留一交叉验证的决定系数(R2)为0.65、均方根误差(RMSE)为0.10、绝对残差均值(RS)为0.079,预测精度(P)为0.792,可作为研究区有林地74808个ATLAS光斑的FCC估测模型.以有林地ATLAS光斑尺度FCC值作为区域尺度BO-DNN模型的大样本数据,联合多源遥感因子进行研究区FCC估测,十折交叉验证的BO-DNN模型验证精度为R2=0.47、RMSE=0.22、P=0.558.使用BO-DNN模型估测及普通克里格(OK)插值的研究区FCC均值分别为0.46、0.52,主要分布在0.3～0.6,分别占比77.8％、81.4％.直接通过OK插值方法获取FCC效率较高(R2=0.26),但预测精度明显低于BO-DNN模型(R2=0.49).FCC高值区域在研究区由西北向东南贯穿分布,北部地区和东南部分别为FCC高值、低值主要分布区.基于ICESat-2/ATLAS高密集光斑进行山地FCC估测具有一定优势,以光斑尺度的小样本数据估测结果可作为区域尺度深度学习模型的大样本数据,能为光斑尺度上推至区域尺度低成本、高精度估测FCC提供一种参考.