1.一种森林冠层生物量的预测方法，包括以下步骤：(1)获取森林数据：所述森林数据包括实测数据和SAR源数据；

(2)构建森林冠层生物量预测模型，包括以下步骤：将森林样地的SAR源数据进行预处理，得到极化相干矩阵；

利用Yamaguchi三分量极化分解法对所述极化相干矩阵进行分解，得到极化分解分量；

利用实测数据对极化分解分量进行相关性验证，确定与森林冠层生物量相关的极化分解分量；所述确定的极化分解分量包括体散射分量、二次散射分量和表面散射分量；

利用确定的极化分解分量构建冠-地散射比；所述冠-地散射比为：式e中，R1表示冠-地散射比，PV表示体散射功率，PD表示二次散射功率，PS表示表面散射功率；

以所述极化分解分量和冠-地散射比为自变量，以森林冠层生物量为因变量，采用逐步回归法对模型进行优化，得到森林冠层生物量预测模型；

(3)利用所述森林冠层生物量预测模型对待测森林区的森林冠层生物量进行预测。

2.如权利要求1所述的预测方法，其特征在于，所述步骤(1)中实测数据包括胸径参数、树高参数和冠幅参数，所述实测数据为胸径≥5cm森林样地树木的测试数据。

3.如权利要求1所述的预测方法，其特征在于，所述步骤(2)中预处理包括依次进行的辐射定标处理、多视处理、滤波处理和正射校正处理。

4.如权利要求3所述的预测方法，其特征在于，进行所述多视处理时，将方位向和距离向的视数分别设置为2；

所述滤波处理通过Refined Lee软件进行，滤波窗口设置为7；

所述正射校正处理以AW3D30数字高程模型作为地形数据。

5.如权利要求1所述的预测方法，其特征在于，所述步骤(2)中Yamaguchi三分量极化分解法的模型如式1所示：<[T3]>＝fS<[T3]>S+fD<[T3]>D+fV<[T3]>V       式1；

式1中，fS、fD、fV为展开系数，<[T3]>表示极化相干矩阵，<[T3]>S表示表面散射的散射模型、<[T3]>D表示二次散射的散射模型、<[T3]>V表示体散射的散射模型。

6.如权利要求1所述的预测方法，其特征在于，所述步骤(2)中相关性验证的方法包括：提取森林样地对应SAR数据信息，结合森林样地冠层生物量，得到森林样地极化分解分量与冠层生物量的关系模型。

7.如权利要求6所述的预测方法，其特征在于，提取森林样地对应SAR数据信息时，采用八邻域平均法或四邻域平均法进行提取。

8.如权利要求1所述的预测方法，其特征在于，所述步骤(2)的优化后，还包括对优化所得模型进行评价，所述评价的方法为留一交叉验证法。

9.如权利要求8所述的预测方法，其特征在于，所述评价的指标包括决定系数和均方根误差。

10.如权利要求1、8或9所述的预测方法，其特征在于，所述森林冠层生物量预测模型如式2所示：lgW冠＝m+kR1     式2；

式2中，W冠表示冠层生物量，R1表示冠-地散射比参数，m为常数，k为冠-地散射比系数。