森林蓄积量是反映森林资源数量的重要指标之一，在森林经营管理中，对森林资源数量的预测极为重要，为此本文以贵阳市为研究区，以landsat8陆地成像仪数据（B1~B7波段灰度值、DVI、NDVI和RVI）为遥感信息源，与立地因子和林分因子相结合后，对黔中马尾松林分蓄积量估测模型进行研究。其间，就新型landsat8陆地成像仪的多光谱数据处理方法、样地跨像元现象及异常像元的解决方案、自变量因子因子的选择及论证、最优变量因子的选择方法及自变量因子对模型的贡献率以及对模型进行检验及精度分析进行了研究，研究结论如下：　　（1）由于水汽、二氧化碳等对元数据造成的影响，故本文对元数据进行了辐射定标和大气校正处理，处理之后的影像数据其波谱曲线更接近于植被的三峰五谷现象，说明进行辐射定标和大气校正的必要性；　　（2）为解决样地跨像元以及异常像元对模型精度的影响等问题，本文对遥感图像进行了聚焦分析增强，采用3×3的卷积核进行分析，有效的消除了亮度值异常的像元，提高了提取像元灰度值的精度；　　（3）本研究以马尾松生长相关的理论为指导对自变量因子进行选择，并结合数理统计方法，论证了各自变量因子的选择及类目划分具有合理性及和适用意义；　　（4）为解决自变量因子间的多重共线性问题，本研究应用逐步回归方法选择的最优自变量组合为：坡向、坡位、土层厚度、海拔、郁闭度、龄组、B2、B5、B6、B7、DVI和RVI。　　（5）自变量因子对模型的贡献率大小依次为：遥感因子（37.90％），立地因子（32.07%）和林分因子（30.03%）；　　（6）用随机抽取的30个检验样地对模型的预测精度进行了检验，精度的平均水平为83.22%，可为黔中马尾松中尺度区域蓄积量估测提供参考，为区域林业经营活动提供理论依据。