森林蓄积量是森林生态系统中最基本的数量特征，它是森林生态系统在长期生产与代谢过程中积累的结果。它是反映森林资源总规模的基本指标之一，也是反映森林资源的丰富程度、衡量森林生态环境优劣的重要依据。传统的森林蓄积量估测方法泛化能力较差，精度不高。粗糙集理论凭借其处理不完整噪声数据的优势已经广泛应用于特征提取。支持向量机回归基于结构风险最小化原则，在有限样本下仍具有良好的推广能力。本文将粗糙集与支持向量机结合应用于森林蓄积量预测，对云南思茅地区进行仿真实验，通过实例验证了粗糙集理论与支持向量机回归方法的有效性，并和多项式，神经网络方法进行了比较。本论文的主要内容可以概述如下：(1)阐述了粗糙集的几项基本内容，并通过基于该方法开发的ROSETTA软件，进行编程，然后分别提取出了云南思茅地区129个样地的遥感和GIS特征因子。(2)采用多项式函数、神经网络和支持向量机的方法，分别建立了森林蓄积量估测模型，并对三种解算方法得出的估测模型进行了拟合效果比较，验证了支持向量机方法的正确性和有效性。