胸径是位于距根颈1.3米处的直径,是一个重要的测树因子,也是估测森林蓄积量、生物量、碳储量等森林指标的重要因子。本研究以浙江省龙泉市作为研究区域,以2017年浙江省森林资源二类调查数据、地形数据和Landsat-8遥感影像作为数据源,进行龙泉市林分胸径估测。主要研究内容如下:首先对地形数据和Landsat-8遥感影像进行数据预处理,对处理后的地形数据、遥感数据和森林资源二类调查数据以小班为单位进行数据提取,共提取19个自变量,包括:高程、坡度、坡向、土层厚度、腐殖质层厚度、年龄、郁闭度、每亩株数、波段2-7、归一化植被指数、比值植被指数、差值植被指数、增强型植被指数和红色植被指数。再对提取的自变量进行相关性分析,保留高程、年龄、郁闭度、每亩株数、波段2-7、差值植被指数11个自变量,并将自变量分为生态与生物因子集和生态与生物、遥感因子集两个自变量因子集。最后运用13个经验模型,以年龄作为唯一自变量进行林分胸径建模估测,随后将两个自变量因子集分别利用多元线性回归、广义回归神经网络和梯度提升决策树进行林分胸径建模估测,对实验结果的精度进行对比分析。研究结果表明:(1)胸径与高程、年龄、郁闭度呈正相关,与每亩株树、波段2-7、差值植被指数呈负相关。(2)13个经验模型中,结合模型评价指标分析各个模型,发现在胸径估测方面表现最好的是Gompertz模型。(3)添加生态与生物因子和遥感因子有利于胸径估测,同时多元线性回归、广义回归神经网络和梯度提升决策树作为估测模型进行胸径估测均取得良好的效果。其中,梯度提升决策树模型在胸径估测中具有更好的泛化能力,以生态与生物、遥感因子为自变量,运用梯度提升决策树取得估测效果最好,其平均绝对误差为1.3516cm,平均相对误差为12.47%,均方根误差为1.7731cm,决定系数为0.7207,泰尔不等式系数为0.0730。(4)林分胸径估测在胸径实际测量值大小在15-20cm范围内的估测效果均为最好。