卫星遥感手段能为森林生态系统提供宏观的、连续的动态监测，已经成为森林资源监测和调查研究中的重要工具。森林蓄积量是反映森林资源的丰富程度和衡量森林生态环境优劣的重要依据。国内外学者在应用遥感技术进行森林蓄积量估测的研究中，已经取得了较大成功和广泛应用。已有研究表明，相对于传统的森林蓄积量监测方法，利用遥感数据进行蓄积量估测反演不仅可以节省大量人力物力，而且能够提高森林蓄积量估测的精度。遥感图像多个波段中蕴含的丰富的地物信息，以及波段之间线性或非线性的组合运算对提高森林蓄积量估测精度起到了巨大作用。　　 本文通过对实验区多源卫星遥感影像的解译，结合贵州省第三次森林二类调查结果，利用多元线性回归算法，将遥感影像数据的单波段值以及数据波段比值与地理参数的定性或定量信息作为回归因子，对贵州省修文县扎佐林场289个样地进行森林蓄积量反演研究。首先对多源遥感数据进行几何精纠正以及配准；对SPOT-5、QuickBird、ALOS这三种遥感数据采用平均残差平方和准则选择最优遥感比值波段，结合地理参数因子(树种、地类、海拔、坡度、坡向、林龄、郁闭度)，进行森林蓄积量反演，得出最适合本实验区域森林蓄积量反演的遥感数据源以及其波段组合；在同源和不同源数据的图像融合后，选择融合效果较好的主成分变换融合和比值变换融合两种融合方法，进行融合后遥感图像的森林蓄积量的反演研究。对比了多源遥感数据融合前后的森林蓄积量反演结果，探讨了融合后图像在地物、森林类别判读上的优势，讨论了多源遥感数据融合对森林蓄积量的反演精度提高的作用，并提出最适合本实验区森林蓄积量反演的融合变换方法和数据源波段组合。　　 实验结果表明：多元线性回归方法估测森林蓄积量是可行的，精度稳定，这种方法更有效的利用了卫星资料所包含的信息进行蓄积量估测，减少传统森林蓄积量调查中人力物力的耗费。采用多元线性回归模型进行森林蓄积量反演，遥感比值波段的设置和筛选非常重要，经过平均残差平方和准则筛选后的森林蓄积量反演回归的预估精度提高了近十个百分点。本实验区森林蓄积量反演的最佳数据源是ALOS卫星遥感数据，使用归一化植被指数等高低反射的比值可以得到比较好的反演结果。融合前森林蓄积量反演预估精度平均为85％以上，而融合后的森林蓄积量反演预估精度平均在95%以上，比融合前反演的精度提高了近十个百分点。对预估精度取平均值，结果显示PCA变换融合法的预估精度为97.39%，Brovey变换融合法的预估精度为96.79%，因此PCA变换融合法更适合于本实验研究区域的森林蓄积量的反演。另外，多次融合也更有利于森林蓄积量的反演。