森林蓄积量作为森林资源监测的重要指标,其影响着森林提供生态商品和服务的能力。随着科学技术的发展,一种快捷的森林蓄积量调查方法需要被提出以改进传统的森林资源调查。本研究以北京市延庆区为监测区域,Sentinel-2影像和DEM数字高程模型为基础数据,以区域内一类调查数据为实测数据。选取单波段反射率、植被指数、纹理因子和地形因子等为备选自变量,以样地森林蓄积量为因变量,通过Pearson相关性分析结合Boruta特征选择,筛选变量因子组成最优子集,再运用参数和非参数回归方法建立森林蓄积量估测模型,对比分析模型的适用性。最后选取最优模型反演研究区森林蓄积量,并做空间分布分析。具体内容及结果如下:(1)对建模样本建立了参数性的森林蓄积量估测模型,即主成分回归分析和偏最小二乘回归,也建立了支持向量机和随机森林回归的非参数性估测模型。(2)设定综合评价指标,利用验证数据对比四种建模方法的反演精度。其中随机森林回归法的检验结果最优,其均方根误差为12.15m3/hm2,相对均方根误差为16.90%,平均相对误差为19.67%。(3)最终选用随机森林方法对延庆区的森林蓄积量进行反演,估测得到研究区的森林蓄积量为256.326万m3,估测精度为83.51%。这表明Sentinel-2影像在森林蓄积量估测方面有较好的潜力与前景。(4)红边波段在森林蓄积量监测中具有参考价值。红边波段及其构建的植被指数均与森林蓄积量有较高的相关性,并且均在模型构建时起到了较大作用。在面向对象分割时,红边波段的加入也提高了分割的准确性。(5)延庆区森林蓄积量的空间分布,从海拔上看主要分布在600m以下区域,从坡向上分析,主要分布在无坡向地区,其次为西南坡、北坡和东北坡;从坡度上看主要分布在平坡、陡坡和斜坡。