森林蓄积量作为森林资源监测的重要指标,传统的森林资源调查周期长、工作强度大、操作比较困难,急需一种快捷简便的方法代替传统的森林资源调查。如何充分利用3S技术,建立森林蓄积量的估测模型,提高森林蓄积量的预测精度,是致力于林业遥感科技工作者研究的热点问题。本研究以北京市延庆区为监测区域,以该地区的第八次全国森林资源调查数据与Rapid Eye影像以及DEM高程图作为原始数据。把实地调查的样地森林蓄积量作为因变量,选取了单波段、波段比值、地形因子等15个自变量指标,通过Pearson相关性分析选出与森林蓄积量有显著性相关的12个自变量指标,组成一个“最优”子集拟合森林蓄积量估测模型,可保证模型拟合的精度及可靠性。以数理统计学方法为原理结合遥感影像建立森林蓄积量的遥感估测模型。具体内容及结果如下:(1)对建模样本分别用逐步回归方法、主成分回归分析方法以及偏最小二乘回归方法建立参数性的森林蓄积量估测模型。利用同一样本建立非参数性的KNN估测模型。(2)设定综合评价指标,利用建模数据对比四种方法的优劣,最终选取偏最小二乘回归方法和KNN方法反演延庆区森林蓄积量。(3)采用偏最小二乘回归法和KNN方法对延庆区的森林蓄积量进行反演。其中,以KNN方法得到延庆区的森林蓄积量为310.332万m3,精度达到82.4%。以偏最小二乘方法得到森林蓄积量估测值为316.592万m3,总体估测精度为84.1%。两者结果总体来说还是较为可观。这表明基于RapidEye影像的延庆区森林蓄积量估测技术研究,对于森林资源监测调查具有一定的参考价值。