随着工业的发展,人类活动对生态环境的影响越来越大,特别是大气中CO2等温室气体浓度在逐年增加,从而导致全球温度不断升高。通过植被的光合作用,可将大气中二氧化碳固定成有机物质,而森林是陆地生态系统的主体,因此森林生物量的研究已经成为研究热点。由于生物量分布存在空间非平稳性,因此及时准确地获取森林生物量的空间分布信息对精确预估生物量具有重要意义。本文的研究内容是利用2009年收集的黑龙江省凉水自然保护区圆形样地和方形样地数据及保护区内的地形数据,分析森林生物量的空间分布模式,并结合林分因子和地形因子,建立GWR模型和OLS模型,评价模型预估效果。首先,本文选取凉水自然保护区作为研究区,采用地理信息系统(GIS)空间分析方法进行定量分析。本文采用了探索性空间数据分析(ESDA)方法,探索森林生物量空间分布的空间数据结构以及空间变化趋势,结果表明凉水自然保护区森林生物量数据不符合正态性,且在东西方向上呈现沿二次曲线的变化趋势,在南北方向上呈现直线上升的变化趋势；本文进一步采用应用Moran’s I统计量进行空间自相关分析,结果表明凉水自然保护区森林生物量呈现出一定程度的空间集聚,研究区域的西部、北部及东部出现”热点”现象,研究区域的中下部为生物量的“冷点”,同时,一定范围内的森林生物量呈现随机分布。其次,以森林生物量为因变量,以林分平均胸径(AVG-DBH)、每公顷株数(TPH),海拔(Elevation)、坡度(Slope)及作为自变量,构建最小二乘模型,通过变量选择,最终选择对生物量有显著影响的平均胸径(AVG-DBH)和海拔(Elevation),建立线性最小二乘模型,并对线性回归模型进行检验和残差分析；然后使用GWR4.0统计软件建立地理加权回归模型。用Moran’sI统计量来描述模型残差的空间自相关性；结果表明,森林生物量在黑龙江省的分布具有空间效应。海拔、胸径都影响着森林生物量的空间分布。最后,通过模型之间比较发现,无论是模型拟合还是预估,地理加权回归模型都要明显好于全局模型(最小二乘模型)。地理加权回归模型能在研究区域的每一个样地点上提供局域的模型系数,系数之间的变异可以更好解释生物量空间分布的非平稳性。同时有助于森林管理者理解森林的管理活动对森林生物量的影响。