【摘要】【目的】构建适宜于退耕还林地块的树高样本集，协同遥感数据与机器学习方法，以便准确估测退耕还林地块树高，为新一轮退耕还林成效监测提供参考依据。【方法】为实现对内蒙古新一轮退耕还林地块树高的准确估测，本研究提出了一种优化的GEDI样本筛选方法，构建成一套适宜于退耕还林地块的高质量树高样本集；借助Sentinel-2中高空间分辨率遥感数据与地形数据，利用梯度提升树算法对退耕还林地块树高进行估测，并对内蒙古退耕还林地块的树高状况进行了分析。【结果】基于GEDI与Sentinel-2机器学习模型，可以实现退耕还林乔木地块树高的准确估测，决定系数R²为0.73，估测精度EA为72%，均方根误差RMSE为1.82 m；GEDI样本的优化筛选能提升退耕还林地块树高估测精度，与未筛选的样本相比模型估测精度R²提高了0.32，RMSE降低了0.83 m，EA提升了13%；红边归一化植被指数、差值植被指数及海拔、坡度与坡向变量重要性较高，累计贡献度超过50%，证明植被指数与地形信息是树高估算的关键重要性因子。内蒙古退耕还林地块乔木树高区间分布为2.5-20 m，平均为5.5 m，有53.51%分布在5-10 m范围。【结论】本研究所提出的GEDI样本筛选方法适用于退耕还林地块的估测，基于遥感数据与机器学习能够较准确地估测树高，为退耕还林地块树高估测提供了可行方法，对推动可持续森林管理和生态保护具有重要意义。