森林生物量既表明森林的经营水平和开发利用的价值,同时又能反映森林与其环境在物质循环和能量流动上的复杂关系。生物量数据是研究许多林业问题和生态问题的基础,因此,研究森林生物量无论在生产上,还是在理论研究上都有着十分重要的意义。本论文以2002年Landsat 5 TM遥感影像为数据源,以大兴安岭地区的塔河林业局和阿木尔林业局为研究区域,在外业调查数据和固定样地数据的基础上,确定了研究区域内7个主要优势树种的单木生物量模型,并尝试应用多元线性回归和BP神经网络建立该地区TM遥感影像与森林固定样地数据之间的生物量遥感模型,通过对包括遥感因子和地形因子在内的20个变量利用逐步回归的方法进行筛选,初步确定了t452和pcal两个变量作为模型的自变量,同时利用独立样本数据进行检验。结果表明,建立的多元线性回归模型R=0.764,并通过了F检验、D-W检验、多重共线性检验。在独立样地估测中,多元线性回归模型的拟合精度为81.02%,而BP神经网络的拟合精度为91.25%,明显优于线性回归模型。可见应用神经网络的“暗箱”操作,虽然难以归纳出明确的解析式,但是可以获得很高的精度,可以应用其对大区域内的生物量进行估测。