在区域尺度上准确反演红树林植被的碳储量是实现双碳目标，推动高质量发展的重要途径。在反演植被碳储量方面，无人机和卫星遥感各有优势，无人机-激光雷雷达数据适用于小尺度高精度植被结构反演，卫星遥感在大尺度植被特征反演方面表现强势。如何充分融合无人机激光雷达和卫星数据以达到区域尺度精确预测红树林植被碳储量还需要更多的研究。我们的研究将UAV-LiDAR、Sentinel-1 和 Sentienl-2 融合，从多源遥感数据中提取植被特征，以克服多源遥感数据自身的桎梏，在景观尺度上提取植被的光谱、结构和纹理特征等植被特征，估计了不同植被特征和机器学习方法（RF、SVM、GBDT 和 XGBOOST）对植被碳储量预测结果的影响。建立了高精度红树林植被地上和地下碳储量反演框架。我们的研究结果表明：1）多植被特征的融合显着提高了红树林地上和地下碳储量预测的准确性，其中，结构特征对于预测红树林植被地上和地下碳储量具有重要意义。 2）虽然XGBOOST被证明是预测红树林地上和地下植被碳储量的高精度方法，但机器学习方法对预测红树林植被碳储量的影响相对较小。 3)以湛江为研究对象，实现红树林植被地上(R2=0.828)和地下(R2=0.815)碳储量高精度反演。本研究提出，预测应更加关注无人机和卫星数据的融合，突破不同遥感数据源在空间尺度及数据格式方面的限制，以提高红树林植被碳储量反演精度，实现区域尺度上红树林植被碳储量的高精度制图。