一种森林地上生物量的预测方法，包括以下步骤；1)光学数据的获取及预处理；2)对目标地的SAR数据进行预处理；3)光学与SAR影像的特征提取；4)选出两个AGB相关系数最高的两个SAR变量与相关性性绝对值大于0.1的植被指数与生物物理参数相结合，得到COSI；5)利用PIO迭代过程来优化BiLSTM神经网络模型的COSI1参数和COSI2参数；6)将隐藏层节点数链接到BiLSTM层，初始学习率和L2正则化系数的最优参数输入至BiLSTM神经网络模型里面；获得了AGB的预测值。本发明所提出的方法在AGB反演方面更具优势。与其他三个模型相比，RMSE的相对改善率高达43.6％。
