森林蓄积量是林业调查中的重要因子,也是评价森林数量和质量的重要指标。本研究以浙江省龙泉市为研究区域,以数字高程模型(DEM)、Landsat-8遥感影像和森林资源二类调查数据作为基础数据。通过提取运用遥感影像的光谱信息、植被指数、纹理特征以及其他地形和实测数据组合,采用多元线性回归、偏最小二乘法和广义回归神经网络方法建立适用于森林蓄积量估测的模型,并进行预测和检验,获取具有更高可靠性和稳定性的方法。主要研究内容和结果如下:(1)以单位蓄积量为因变量,通过ENVI 5.3、ArcGIS 10.2以及其他数据处理软件,以小班为单位提取地形数据(DEM)、Landsat-8遥感影像数据和森林资源二类调查数据作为基础数据,其中包括:高程、坡度、坡向,波段2(B2)、波段3(B3)、波段4(B4)、波段5(B5)、波段6(B6)、波段7(B7)、归一化植被指数(NDVI)、比值植被指数(RVI)、差值植被指数(DVI)、增强型植被指数(EVI)、红色指数(RI),土层厚度、腐殖厚度、年龄、郁闭度等18个自变量因子。(2)通过多元线性回归、偏最小二乘法、广义回归神经网络三种方法在SPSS 20和MATLAB R2012a中建立模型,对龙泉市森林蓄积量进行全局预测,估测精度为69.73%、71.13%、74.42%依次递增。在广义回归神经网络模型中加入以3×3纹理窗口提取B8全色波段的8个纹理特征因子,估测精度达到了74.96%,为本研究的最佳模型。(3)研究表明良好的数据预处理对于后期建模具有重要作用,而筛选恰当的指标因子能使得模型更稳定;广义回归神经网络模型在研究中具有良好的效果,纹理因子的加入进一步提升了实验结果,其估测结果在以龙泉市为尺度不区分植被类型的情况下取得了进步。