在森林生物量定量遥感领域,一个越来越突出的现象是解释变量越来越多,如何有效地选择解释变量成了一个重要的问题。线性回归模型是常用的遥感模型之一,在线性回归模型建立过程中一个非常重要的步骤是选择解释变量。本文针对亚热带森林生物量遥感估测模型构建中的变量选择、模型稳定性等问题,对SR(Stepwise Regression Method)、BIC准则(Criterions Based on The Bayes Method)、AIC准则(Criterions Based on Information Theory)、Cp准则(Criterions Based on Prediction Error)、LASSO(Least Absolute Shrinkage and Selection Operator)、ADALASSO(Adaptive Lasso)、SCAD(Smoothly Clipped Absolute Deviation)、NNG(Non-negative garrote)等8种具有变量选择能力的方法重点进行了对比研究,出于比较的目的,将OLS、RR这2个一般认为不具有变量选择能力的方法也进行了对比讨论。对比考虑了下列因素:(1)决定系数等常用指标、预测误差、模型误差等精度指标;(2)决定系数差异显著性;(3)模型参数稳定性;(4)变量选择稳定性;(5)变量选择能力。试验的方法是十折交叉检验,且重复了5次。有些评价指标分别考虑自由度和不考虑自由度进行了计算。研究结果表明:综合评价,BIC表现最好,NNG、Cp、AIC整体较差。其他方法则在各指标上的表现差异较大。SR在变量选择方面的能力较强,虽在常用指标上较差。短波红外波段及由其派生的纹理特征被各方法选中的次数最大,表明这些变量在森林生物量估测中具有重要作用。本次研究通过对比各种具有变量选择能力的方法在遥感森林生物量特征变量选择方面的表现,为亚热带森林生物量遥感特征变量的选择和估测提供了新的方法和参考。本文所用的研究方法很可能会随着研究对象的改变而改变,因此针对具体问题需要具体分析。