森林是全球陆地生态系统中最大的有机碳库,对于调节全球碳平衡具有重要作用。目前区域森林碳储量估算研究已经成为相关领域热点问题。然而,准确估算区域森林碳储量还面临着两大挑战:(1).如何精准地再现森林植被碳储量的空间分布和格局,以及如何进行碳储量估算过程中的尺度转换;(2)如何评价森林碳储量及其分布估计结果的质量。由于数据不准确、方法不得当,使得森林生物量/碳储量的估计中存在的众多不确定性。因此,解决不同数据源的尺度转换问题、以及量化估算过程中的不确定性、对于提高森林碳储量估算精度的准确性和有效性具有重要意义。基于此,本文以浙江省为研究区,以实测单株生物量数据、浙江省森林资源清查数据、Landsat TM数据、MOD13Q1数据为数据源,在估算森林碳储量的基础上,以标准差为不确定性度量,分析了多种来源的不确定性表现。首先使用高斯协同块仿真方法将样地数据转换到240m×240m并应用神经网络方法估算了浙江省森林碳储量及碳分布。在进行不确定性计算时,结合误差传递方法计算了基于抽样的总体森林碳储量估算不确定性和基于遥感的总体森林碳储量估算不确定性。通过对基于抽样的总体森林碳储量估算不确定性计算可知:对于一元生物量模型,测量误差引起的相对不确定性约占总碳储量的1.58%,模型相对不确定性约占总碳储量的18.51%,抽样不确定性约占总碳储量的9.12%,总(合成)相对不确定性为20.70%;对于二元生物量模型,测量误差引起的相对不确定性约为3.42%,模型相对不确定性约为11.43%,抽样相对不确定性约为9.15%,总(合成)相对不确定性为15.03%。模型参数以及抽样不确定性随建模样本的增加逐渐降低。当建模样本由30增加到40再增加到52时,一元生物量模型模型参数导致的相对不确定性分别为22.37%、17.05%、14.89%。样地碳密度值经过尺度转换之后,可以在一定程度上反映森林资源清查数据的碳分布。尺度转换后的碳密度值与清查数据碳密度值的相关性为0.81。基于尺度转换后的碳密度值和MOD13Q1数据估算的浙江省森林碳储量为14.71 Mg/hm2,高于基于样地数据估算的13.72 Mg/hm2,若以样地预测值为真值,则基于遥感数据估算结果高7.21%。对于基于遥感的森林碳储量估算不确定性,其主要误差源为遥感模型的不确定性,约为56.32%,而由样地尺度引起的碳储量估算不确定性相对较小,仅为7.97%,基于遥感的总相对不确定性为56.88%。通过以上结果可得出以下结论:(1)基于抽样的总体森林碳储量估算不确定性中,模型不确定性对估计结果影响最大,其次为抽样不确定性,测量不确定性对森林碳储量的影响最小。因此,提高单木生物量模型的精度对于提高森林碳储量的估算精度有重要意义。(2)在基于遥感的森林碳储量估算不确定性中,其主要不确定性来源来自于遥感模型的不确定性,而样地不确定性要远远小于遥感模型误差。因此,在结合遥感进行森林碳储量估算时,遥感模型的精度对估算精度有至关重要的作用。在以后的研究中,提高遥感模型的精度应作为提高森林碳储量估算精度的研究重点。(3)大区域森林碳储量估算中,使用中高分辨率遥感影像作为地面样地数据与低分辨率遥感影像的尺度转换桥梁可以作为一种较为有效的尺度转换方法。本研究基于高斯协同块仿真方法结合Landsat TM数据将样地数据转换为与MOD13Q1分辨率相近的大小,并结合神经网络方法进行大区域森林碳储量估算估计精度符合预期,证明在一定的条件下其方法适合于大区域森林碳分布估算。