森林碳储量是反映森林生产力的重要指标。传统估计方法工作量大、周期性长,带来调查工作的困难。遥感技术则以实时、迅速、连续、大面积覆盖等众多优势成为森林碳储量估计的重要手段。MODIS的大范围覆盖、高时间分辨率、高光谱分辨率优势正适用于大尺度碳储量研究,但其应用同时存在数据难匹配、混合像元情况严重、同谱异物、不确定性等问题。基于此,本论文把浙江全省作为大尺度区域的代表,以2009年MOD09A1/MOD13Q1(MODIS-NDVI)遥感影像、DEM数据、全国森林资源清查样地数据为数据源,基于多元线性逐步回归和序列高斯协同仿真两种模型,同时在NDVI时间序列逐步回归模拟基础上引入地理因子变量进一步作逐步回归模拟。由于水体处像元反射率较低,在线性分解过程中易与建筑、山体、植被阴影等低反照地物混淆,影响植被分量的充分提取,使估算结果有较大的不确定性,因而在模型模拟结果基础上结合水体剔除前、后线性混合像元分解的植被分量估测研究区地上森林碳储量及其分布。采用交叉检验方法分析和评价估计精度,通过对估计精度比较和误差分析来评价9种模拟方式的优劣,得出以下结论:1、各个模拟方法比较分析。本文通过9种估测方式模拟浙江省森林地上部分碳储量、碳分布。以实测碳储量为依据,直接采用NDVI时间序列逐步回归模拟、对时间序列进一步引入地理因子的逐步回归模拟以及空间仿真模拟三种方法相对实测值的估计精度分别为94.89%、95.13%、57.15%,在上述模拟结果基础上结合未剔除水体所得植被覆盖度的估测精度分别为48.08%、47.51%、67.99%,结合剔除水体所得植被覆盖度的估计精度分别为73.60%、74.19%、96.21%。结果表明,仿真结合水体剔除后所得植被覆盖度的估计结果最佳,模拟精度最高。回归模型的“平滑”性造成研究区域模拟结果的局部失真,仿真凭借对此缺陷的弥补并且加入了对碳分布模拟结果的不确定性表达,明显优于回归模拟;逐步回归模拟综合运用了NDVI时间序列光谱信息,有助于提高模拟精度;在逐步回归模拟中加入地理因子,能够丰富像元信息,提高同谱异物的区分度,从而提高估计精度;结合剔除水体所得植被覆盖度对森林碳储量估计的结果明显优于未经水体剔除的结果。2、研究区森林碳储量模拟结果。对比估测森林碳储量的9种方式,结合序列高斯协同仿真模拟与水体剔除后所得植被覆盖度的估测方法最佳。研究区地上森林碳储量估计总量为1.589亿Mg,平均碳密度为15.612Mg/hm~2,森林碳密度范围0Mg/hm~2~150.715Mg/hm~2,通过碳储量估计偏差与实测碳总量的比值得到总体估计精度为96.21%,全省区域碳分布与实测样地基本一致,局部差异性凸显,模拟方差很好地描述了森林碳储量分布的变动性。3、水体剔除有利于提高像元分解精度。本研究以二维散点图和PPI结合选择取MODIS影像的纯净端元,并采用全约束线性分解方法提取植被覆盖度。结果表明,水体剔除前后两投影带RMS均值都在0.007~0.009之间,远小于误差要求0.02,达精度要求,但水体剔除前、后提取的总植被覆盖度分别为38.68%、55.85%,与实际清查森林覆盖率59.07%相比,后者提取精度更高,达94.55%。由本研究得出,水体剔除有利于提升MODIS影像植被覆盖度的提取精度。