森林作为陆地生态系统的主体,在生物地球化学过程中起着十分重要的作用,落叶阔叶林作为森林的重要组成部分之一,开展生物量的研究,对于测量森林固碳能力、评估森林碳平衡至关重要。本文以金寨县马宗岭林场天然次生落叶阔叶林为研究对象,采用典型抽样方法,设置不同年龄、不同立地条件、大小为20*20m的样地,样地生物量采用通用硬阔生物量公式计算。然后以World View-2为遥感数据源,提取植被指数、纹理特征等因子,结合地形因子为候选建模因子,使用三种机器学习算法（RF、k-NN、ANN）构建马宗岭林场天然次生落叶阔叶生物量遥感定量反演模型,采用决定系数R2、均方误差RMSE衡量模型的预测能力,筛选出遥感定量反演最优模型。使用和比较三种监督分类器对马宗岭林场森林类型进行分类,并绘制马宗岭林场天然次生落叶阔叶生物量分布图,并与海拔、坡度、坡位进行相关分析。本文的主要研究结果如下:（1）通过计算,地上部分总生物量在789.03-1552.15 t/hm2之间,生物量的大小依次为中径阶（13-17.9）>小径阶（8-12.9cm）>大径阶（≥18cm）。其中,树干部分生物量占总生物量的57%,树枝部分生物量占总生物量的25%以上,树叶部分生物量占8%以上,树皮占总生物量的4%以上。（2）通过留一法交叉验证比较了RF、k-NN、ANN三种机器学习模型性能,ANN模型有最大的R2和最小的RMSE。在ANN模型中,当decay=0.1,size=2时,模型精度达到最高,即R2=0.69,RMSE=31.53t/hm2。最终ANN模型为马宗岭林场天然次生落叶阔叶林生物量遥感反演模型。（3）本文通过比较三种监督分类随机森林法,最大似然法、马氏距离法的分类精度,得出随机森林分类的效果最优,Kappa系数为0.97。基于ENVI5.3实现随机森林分类,将马宗岭林场分为落叶阔叶林、针叶林、针阔混交林和非林地四类。（4）用ANN最优模型对整个马宗岭林场天然次生落叶阔叶林覆盖的World View-2影像进行AGB反演,估测生物量为均值90.34 t/hm2,标准差为47.96 t/hm2,总生物量为336215.57 t/hm2。总体而言,马宗岭林场天然落叶阔叶林森林地上生物量主要分布在岭头作业区和和尚坪作业区,其次是大草坪作业区和东高山作业区,分布最少的地区为千坪村。（5）基于DEM数据对生物量进行相关分析,马宗岭林场落叶阔叶林的生物量分布在海拔1450-1660m区域占72.37%,其他区域为22.63%;坡度为26-35°的生物量占34.57%,其他为65.43%;坡向为西南坡的生物量为78.70%,其他为21.3%。