大区域草地地上生物量估算对草地资源利用管理及全球碳循环研究具有重要意义。为高效快速地估算大区域零散分布草地地上生物量,本文选取安徽省为研究区,在谷歌地球云引擎(Google Earth Engine)平台的支撑下,通过机器学习方法建立Landsat8 OLI及其他辅助数据与地面实测草地地上生物量之间的联系,开展了草地零散分布地区省级尺度草地地上生物量高分辨率估算,并与传统的基于归一化植被指数(NDVI)回归模型进行了比较。研究结果表明,综合利用光谱与地形因子的机器学习方法,估算零散化分布草地地上生物量的精度可以达到65%以上,其中分类回归树(CART)模型R~2=0.57,预测精度为68.60%,支持向量机(SVM)模型R~2=0.59,预测精度为75.74%,而使用NDVI的回归分析产生的误差较大,R~2=0.37,预测精度为57.51%,因此机器学习方法相对于传统基于NDVI的回归分析具有明显优势。另外,谷歌地球云引擎平台数据来源广泛、获取方便,可以高效地实现海量影像数据的预处理及计算分析,大大提升了工作效率,与地面调查数据的结合可实现更大区域乃至全国尺度上的零散分布草地地上生物量高分辨率遥感估算。