准确的森林资源监测与调查是国家林业规划设计中的重要内容,同时也是生态林业研究中的不可或缺的一部分。传统的调查方法不仅工作量大,耗时耗力,精度不高,还容易对森林带来破坏。遥感、测绘、地理信息系统已经成为重要的研究手段。本研究采用QuickBird和Worldview-2高空间分辨率遥感影像,以地形起伏多变的北京鹫峰林场和福建将乐林场为实验区,提出山地单木及样地绝对定位调查方案。运用光谱局部最大值滤波方法提取和估测了山地林区的林分密度,并以经验模型获取了整个研究区的生物量分布图。主要结论包括:1.以QuickBird影像为例,总结图像预处理步骤方法,包括:正射校正、大气校正、地形校正、图像融合。提出了应用于QuickBird高分影像的山区单木快速绝对定位方案。主要采用手持差分GPS与全站仪协同QuickBird影像对样地及单木进行定位。方案为下一步的森林植被参数提取提供数据基础。2.重点研究了基于光谱局部最大值滤波(LM)的林分密度提取方法,分析了 3×3、5×5、7×7、9×9、11×11五种不同大小的窗口和NDVI不同等级阈值设置对光谱局部最大值点数量提取的影响,并建立了光谱局部最大值点数量与实际林分密度的非线性回归模型,将模型运用于两个不同研究区的林分密度估算,研究结果表明:(1)相同数据源(QuickBird)分别应用于鹫峰林场、福建将乐林场,最适窗口大小分别为3×3和7×7。对于福建研究区而言,无论是QuickBird影像还是Worldview-2影像,NDVI阈值的设置基本控制在NDVI>0.5左右。对相同研究区使用不同数据源提取林分密度,NDVI阈值的设置基本一致,这说明了研究区域林分状况、光照条件的不同主要决定了窗口大小和NDVI阈值的选择。(2)将样地根据树种组成分类之后,提高了针叶林的林分密度提取精度。例如采用2008年QuickBird近红外波段提取鹫峰针叶林林分密度,精度为80.86%,R2=0.7933,RMSE=12.60,大于未分类的全体林分,提取精度为75.92%,R2=0.7017,RMSE=11.20,大于阔叶林提取精度为 71.522%,R2=0.44,RMSE=9.02;以 2013 年 Worldview-2 近红外波段提取杉木纯林林分密度精度为72.5%,R2=0.502,RMSE=35.77,马尾松林分提取精度78.35%,R2=0.754,RMSE=41.46,而未分类的林分估测精度较低,R2仅为0.2907;(3)以2008年QuickBird融合之后的近红外波段提取鹫峰林场未分类林分的林分密度决定系数R2=0.6264,高于其他波段及全色波段R2=0.5455;而Worldview影像融合之后的红边波段(705-745nm),近红外1(770-895nm),近红外2(860-1040nm)共三个波段决定系数均高于全色波段R2=0.2351。本文最终选用相关性较高的融合之后的近红外2波段提取了将乐林场的林分密度,选用近红外波段提取了鹫峰林场的林分密度。3.研究基于高分影像的生物量反演,结论如下:(1)对比不同研究区的生物量估计结果,将样地根据树种组成分类进行生物量估计能提高生物量估计精度:以鹫峰林场针叶林为例,引入林分密度因子建立的多元回归模型是最佳的估算模型,R2=0.5471,RMSE=34.3 t/ha,精度达到71.8%,比分类之前的估测有大幅度提高;而将乐林场基于纹理信息的杉木林生物量估测模型的估计精度达到81.5%,R2=0.8481,RMSE=19.78 t/ha;比未分类的纹理生物量估测模型精度提高了近18个百分点,说明林分类型分类之后有利于提高生物量估算精度。(2)而将乐林场基于纹理、林分密度、光谱信息的生物量估算模型生物量提取精度63.33%比林分密度、光谱信息参与下的模型估计精度61.54%高,而林分密度对阔叶林的估计提升不明显。(3)对比相同研究区(将乐林场)不同数据源结果发现,QuickBird影像提取的各光谱波段与植被指数因子与生物量相关性普遍较低,生物量相关性最高的因子NDVI相关系数0.3775,不能建立有效的模型,相比之下Worldview-2基于纹理的生物量模型获得较高的决定系数(R2=0.3733,RMSE=57.005 t/ha,精度63.33%),说明Worldview-2影像的额外波段四个波段比QuickBird影像更具有提取生物量的潜力。