森林生物量估算一直是森林生态系统功能评价的重要内容,但由于野外调查工作难度大,费时费力,很难推广到面上。因此,利用遥感技术估算森林生物量一直是学术界的研究热点,已有研究较多。这些研究中在一个研究地区建立的模型往往在当地有较理想预测精度,但是当将该模型应用到其他地区时,估算森林生物量的精度会很不理想,这说明模型的普适性较差,可移植性不强。针对这个问题,本文利用浙江省公益林样地监测数据和Landsat5 TM遥感数据,对缙云、江山、东阳和天台四个县市分别建立多元线性回归模型、偏最小二乘回归模型、随机森林回归模型和Erf-BP神经网络模型,比较四种模型在当地和相邻区域的估算精度,利用实际样地数据进行分析和评价该模型的可移植性。主要得到以下结论:(1)在四个地区分别建立的多元线性回归模型、偏最小二乘回归模型、随机森林回归模型和Erf-BP神经网络模型,都得到了相同的结果:其中随机森林回归模型预测精度最高,Erf-BP神经网络模型预测精度优于偏最小二乘回归模型,多元线性模型最差。(2)选取精度较好的随机森林回归模型、Erf-BP神经网络模型和偏最小二乘回归模型,将这些模型从一个地区移植到另一个地区,最后得出的结果表明:随机森林回归模型和Erf-BP神经网络模型的可移植性优于偏最小二乘回归模型和多元线性模型,可移植性强。一个地区建立的偏最小二乘回归模型应用到其他地区时,预测效果受其他影响较大,出现了明显的高估或低估的现象;一个地区建立的随机森林回归模型和Erf-BP神经网络模型应用到其他地区时,与实测值较为接近,稳定性高,具有较强的移植性。(3)模型的移植性受到样本的数量和质量、自变量筛选和模型自身的影响;对于随机森林回归模型和Erf-BP神经网络模型的移植性的比较,还需要考虑其他因素,在未来可以进一步研究和分析。