La biomasa aérea (AGB) es un indicador importante del ecosistema de pastizales. Se puede utilizar para evaluar la productividad de los pastizales y el almacenamiento de carbono. La tecnología de teledetección por satélite es útil para monitorear los cambios dinámicos en la AGB en una amplia variedad de pastizales. Sin embargo, debido a la descoordinación de escala entre las observaciones satelitales y las encuestas en el terreno, existen incertidumbres y sesgos significativos en la cartografía de la AGB de los pastizales a partir de datos satelitales. Este también es un problema común en la modelización de teledetección por satélite de baja y mediana resolución que no se ha resuelto de manera efectiva. El rápido desarrollo de la tecnología de vehículos aéreos no tripulados (UAV) ofrece una forma de resolver este problema. En este estudio, desarrollamos un método con sinergias de UAV y satélites para estimar la AGB de los pastizales que llenó el vacío entre la observación satelital y las encuestas en el terreno y mapeó con éxito la AGB de los pastizales en la estepa de pradera de Hulunbuir en el noreste de Mongolia Interior, China. Primero, basándonos en los datos hiperespectrales de UAV y los datos de encuestas en el terreno, se estimó la AGB basada en UAV utilizando una combinación de índices de vegetación típicos (VIs) y el índice de área foliar (LAI), un parámetro estructural. Luego, la AGB basada en UAV se agrupó como un conjunto de muestras a escala satelital y se utilizó para modelar la estimación de AGB basada en satélites. Al mismo tiempo, se incorporó información espacial en el proceso de inversión de LAI para minimizar el sesgo de escala entre los datos de UAV y satélites. Finalmente, se mapeó y analizó la AGB de los pastizales de toda el área experimental. Los resultados muestran lo siguiente: (1) el bosque aleatorio (RF) tuvo el mejor rendimiento en comparación con la regresión simple (SR), la regresión de mínimos cuadrados parciales (PLSR) y la red neuronal de retropropagación (BPNN) para la estimación de AGB basada en UAV, con un R de 0.80 y un RMSE de 76.03 g/m. (2) La estimación de AGB de los pastizales mediante la introducción de LAI logró una mayor precisión. Para la estimación de AGB basada en UAV, el R mejoró en un promedio del 10% y el RMSE se redujo en un promedio del 9%. Para la estimación de AGB basada en satélites, el R aumentó de 0.70 a 0.75 y el RMSE disminuyó de 78.24 g/m a 72.36 g/m. (3) Basado en la AGB de UAV agregada por muestras y un mapa de LAI, la precisión de la estimación de AGB basada en satélites mejoró significativamente. El R aumentó de 0.57 a 0.75, y el RMSE disminuyó de 99.38 g/m a 72.36 g/m. Esto sugiere que los UAV pueden cerrar la brecha entre las observaciones satelitales y las mediciones de campo al proporcionar un conjunto de datos de entrenamiento suficiente para el desarrollo de modelos y la estimación de AGB a partir de datos satelitales.