林分结构参数是衡量森林生长和收获的一个非常重要的参数，也是森林调查、经营和管理的重要因子，能够很直观的反映出森林环境和林木生长状况，掌握林分结构参数对于及时分析森林资源状况和生态环境变化有重要的意义。常绿阔叶林在川西南山地广泛分布，在整个长江上游的生态平衡中起着非常重要的作用。目前，基于遥感影像针对该区域林分结构参数估测的研究还不多见，因此通过高分辨率遥感影像估测该区域常绿阔叶林林分胸径、树高和冠幅对于川西南山地常绿阔叶林生态学过程研究具有重要的意义。　　本文以雅安市雨城区上里镇为研究区，结合地面调查数据，对Pleiades遥感影像进行几何校正、大气校正、监督分类等，同时提取并设置遥感因子和地理因子，通过投影重要性值VIP对自变量进行筛选，采用偏最小二乘回归法分别建立了该地区常绿阔叶林胸径、树高和冠幅的估测模型，并以此为基础得到了研究区常绿阔叶林胸径、树高和冠幅的分布图。最后通过估测模型得出的估测值和野外实测值分别建立了研究区胸径-树高模型;胸径-冠幅和胸径-树高，冠幅模型，利用地面实测数据对所建模型进行精度评价。主要结论如下:　　(1)利用ENVI5.0软件对Pleiades影像进行几何校正、大气校正和图像裁剪等预处理，用“监督分类法”对影像进行分类，结合地面检查点对分类结果进行精度检验，影像分类总体精度为83.2％，达到了遥感影像分类精度要求。结合研究区的DEM和Pleiades影像高分辨率的特点，分别提取了研究区阴影丰度、单波段灰度值、植被指数、地形因子等提取等共23个自变量因子。　　(2)23个自变量因子中，阴影丰度(SF)、差值环境植被指数(DVI)和郁闭度(YBD)均与林分胸径、树高和冠幅有较好的相关性，并且在建模中的投影重要值VIP都比较大，说明阴影丰度(SF)、差值环境植被指数(DVI)和郁闭度(YBD)可以作为遥感估测林分胸径、树高和冠幅的重要因子;纹理信息因子中也有部分因子与林分胸径、树高和冠幅有一定的相关性，但相关性系数不高;而单波段、波段比值、差值环境植被指数、归一化植被指数以及地形因子与林分胸径、树高和冠幅的相关性不显著，仅有个别因子与林分胸径、树高和冠幅的相关性显著（比如B2与胸径、B1/B2与胸径、海拔与树高、NDVI1与冠幅等）。　　(3)通过投影重要性值VIP进行变量筛选，选取出8个自变量利用偏最小二乘回归法建立了研究区胸径的遥感估测模型，用检验样本对估测模型进行精度检验，其总体精度为83.4％，模型中阴影丰度(SF)的VIP值最大。标准系数逆转换后胸径的最终模型表达式为:D=-12.0022×SF-0.171831×YBD-0.002472×DVI+0.00415×ELEVATION-2.61318×(B1/B2)+2.62776×ENT-5.81345×ASM+3.50494×IDM+31.7432　　(4)通过投影重要性值VIP进行变量筛选，选取出8个自变量利用偏最小二乘回归法建立了研究区树高的遥感估测模型，用检验样本对估测模型进行精度检验，其总体精度为84.7％，模型中阴影丰度(SF)的VIP值最大。标准系数逆转换后树高的最终模型表达式为:H=-3.49087×SF-0.048134×YBD-0.0007111×DVI+0.571895×CON+0.790206×ENT+0.000711×ELEVATION-1.185916×ASM+1.10686×IDM+14.32545　　(5)通过投影重要性值VIP进行变量筛选，选取出9个自变量利用偏最小二乘回归法建立了研究区冠幅的遥感估测模型，用检验样本对估测模型进行精度检验，其总体精度为81.5％，模型中郁闭度(YBD)的VIP值最大。标准系数逆转换后冠幅的最终模型表达式为:C=7.28018×NDVI1-0.002901×DVI-0.9.95044×SF-6.44699×ASM+2.44982×CON+2.95966×ENT+5.34899×IDM-0.241695×YBD-0.003809×ASPECT+43.7494　　(6)利用研究区样地实测胸径和树高和冠幅的模型估测数据分别建立研究区的胸径-树高(D-H)模型、胸径-冠幅(D-C)模型和胸径-树高、冠幅(D-H-C)模型，其模型表达式分别如下所示:　　D-H模型:D=2.9216×H-16.147;　　D-C模型:D=0.7556×C-5.2241;　　D-H-C模型:D=1.4971×H+0.3872×C-11.2562;　　三个模型总体精度分别为82.4％，85.5％和88.5％，表明这三个模型的拟合效果都还比较理想，在实际生产中有一定的可实施性，D-H-C模型的估测精度要高于D-H模型和D-C模型。