森林是陆地生态系统的主体，是地球上最大的碳汇，由森林组成的生态系统在地圈、生物圈的生物地球化学过程中起着重要的缓冲与调节功能。森林生态系统碳储量在空间和时间上的变化反映了森林生长、气候变化和森林经营措施等在空间上和时间上的差异，对森林植被碳储量进行时空分布模拟在全球陆地生态系统碳循环和气候变化研究中具有重要意义。　　本研究以HASM为核心方法，将具有空间连续性的遥感数据和过程模型LPJ-DGVM与森林资源连续清查数据（“连清”数据）相结合，发展了森林植被碳储量数据融合模型(HASM-SOA)和森林植被碳储量数据同化模型(HASM-LPJ)，并进行中国森林植被碳储量的时空分布模拟，分析其空间分布规律和随时间的变化趋势。本研究的具体研究工作包括:　　(1)构建了森林植被碳储量数据融合模型。以遥感信息模型模拟结果为驱动场，以“连清”统计数据为优化控制条件，构建数据融合模型HASM-SOA。采用生物量转换因子连续函数法(CBEF)将“连清”统计数据的单位面积森林蓄积转换为单位面积生物量、碳储量。遥感信息模型是以ln(NDVI)、经度、纬度、经度平方和纬度平方为自变量的多元线性模型。对HASM-SOA进行精度检验，结果表明该模型平均相对误差(MRE)为22.71％，与经典方法Kriging和SOA相比，精度有了极大的提高，模拟结果与CBEF法估算值极为接近。对HASM-SOA模型的不确定性分析表明，优化控制条件模块中生物量转换参数和含碳率参数的不确定性对模拟结果有显著的影响，在驱动场模块中选取不同的遥感数据或采用不同分辨率时，模拟精度存在明显差异。　　(2)构建了森林植被碳储量数据同化模型。HASM-LPJ数据同化模型是以改进的LPJ-DGVM模型为框架，以HASM-4D算法为同化算法，以CBEF算法和TransMat算法为观测算子，以“连清”统计数据为观测数据。对HASM-LPJ进行精度验证表明，其精度略低于数据融合模型，相对而言，HASM-LPJ模拟的中国森林植被碳储量总量和碳密度较HASM-SOA更加接近于CBEF法估算值。　　(3)中国森林植被碳储量分布分析。中国森林在1984-2008年期间为碳汇，其间森林碳密度增长了0.35 kg/m2，森林面积增长了53.30×106 ha（此为林分面积，不包括经济林、竹林和灌木林面积等），森林植被总碳储量增长了2.73 Tg。虽然森林面积的增长给森林植被碳储量带来很大增长，但这部分增量与因森林采伐（或死亡）带来的森林植被碳储量消减几乎相等，也就是说，森林碳储量的增长主要是由现有森林的生长带来的。中国森林植被碳储量在空间上呈现不均匀分布，其80％以上分布在东北地区、西南地区和南方地区，其中R5青藏区是中国森林植被碳储量最高的分区。各个生态分区森林植被碳储量均呈现增长趋势，R5青藏区是增长量最大的分区。各森林类型组的森林植被碳储量，除落叶林针叶林外，均呈现增长趋势。各龄级森林中，近熟林碳储量增速最快，对森林碳储量增长的贡献最大。