森林生物量是研究森林生态系统的基础数据,也是评价森林碳储量与研究全球气候变化的重要指标。运用遥感技术和数学模型,开展流域森林生物量估算方法的研究。以流域生态系统为基本单位,快速、准确的掌握湘江流域内森林的动态变化,不仅为流域内森林的土壤保持、涵养水源、增汇减排等生态服务效果提供评价基础,而且在湘江流域城市化快速发展下,指导科学合理政策和措施的制定,保护流域的生态安全具有重要指导意义,对于建立湘江流域的科学发展模式具有重要的参考价值。本研究以湘江流域为研究对象,利用2009年782个固定样地调查数据和同期Landsat 5遥感影像,运用多元线性回归模型、Logisitic回归模型和k最邻近方法(k-nearest neighbor method,kNN)算法模型,分别构建湘江流域森林地上生物量(above-ground biomass, AGB)反演模型。采用留一交叉验证方法对上述3种方法所得反演结果进行精度验证,并且比较3种模型的森林生物量估算精度,分析了湘江流域森林生物量的空间变化特征。主要研究结果如下：(1)湘江流域森林地上生物量显著相关的遥感建模因子筛选。利用逐步回归方法,筛选出与湘江流域地上生物量显著相关的遥感建模因子有5个,即归一化差异植被指数(NDVI),两波段比值植被指数(Simple two-band ratios, SRij)SR23以及三波段比值植被指数(Simple three-band ratios, SRijk) SR415、SR546和SR625,其中NDVI与生物量的相关系数最大为0.681,另外8R546、SR625与生物量呈负相关,相关系数分别为-0.282,-0.401,SR23、SR415的相关系数为0.389,0.646,5个遥感变量与样地生物量在0.001水平上均显著相关。(2)不同模型估算结果比较与模型选优。比较三种森林生物量模型的样地预测结果,样地森林生物量均方根误差按由小到大顺序排列分别为：多元线性回归模型(31.55 t/ha),普通kNN算法模拟(31.87 t/ha)和logistic回归模型(32.43t/ha),由于多元线性回归模型的预测结果存在负值,因此Logistic模型和kNN模拟更适合作为森林生物量的预测模型。(3)kNN模拟方法能较好的反映湘江流域森林生物量的空间分布。从研究结果来看,3种方法所对应的湘江流域森林生物量空间分布,只有kNN方法能较好的模拟生物量为零的区域(如河流和湖泊)。(4)湘江流域森林地上生物量呈现出明显的空间分布特征。该流域的遥感影像预测均值为48.79 t/ha,高值区(120-140 t/ha)主要集中在湘江下游东北部地区,其上游西南部大部分地区中值区(80-100 t/ha),低值区(1-20 t/ha)多集中于中游大部分地区。遥感反演能较为清晰的表明上、下游高,中部低的湘江流域森林地上生物量变化趋势,而森林资源清查的样地生物量是很难得获得连续的空间分布结果。