生长量可以作为评定立地条件好坏及经营措施效果的指标，正确地分析研究并掌握林木的生长规律，采用相应的经营管理措施，可以改善树木的生长状况，提高生长量。以特克斯县为研究对象，利用样地实测数据结合GIS手段提取相关因子，并进行因子的数量化，分析了各遥感因子与连年生长量之间的相关关系，运用统计软件进行回归分析，建立了相关性显著的回归模型。并将分析结果经过检验，再将拟合较好的模型进行比较，最终选定最优模型，并对特克斯县的云杉生长量进行了遥感反演。通过以上研究得到主要结论如下：　　 （1）根据云杉分布状况，选择云杉长势较好的特克斯县，并采用1996年、2001年和2006年的51个样地中1365株样木的胸径数据。遥感影像选择Landsat-7-ETM+数据以及SRTM-DEM数据。　　 （2）利用云杉单株胸径数据，经过统计计算，推算出特克斯县的一元材积表及材积经验式为，由此计算各年份的云杉材积，并计算出定期生长量与连年生长量，可得51个样地的样木在1996-2006年定期生长量为3.64463m3，1996-2006年连年生长量为0.364463m3。　　 （3）由于生长量与海拔梯度增加呈现单峰型变化格局，故需对海拔的实际值进行数量化，即海拔依据生长量分级，根据海拔数据结合大量文献资料，可将海拔分为5级。坡向数据也需进行数量化处理，坡向可以分为8个方向，分级方法是将360°根据坡向进行划分，北坡为等级8，南坡为等级1。　　 （4）根据生长量数据对影响因子进行相关性分析，分析的因子有红光、绿光、蓝光、近红外、短波红外、NDVI及立地因子的海拔、坡度、坡向，共九个因子。通过主成分分析和相关分析筛选因子。最后留下4个影响因子，分别为绿光、NDVI、高程、坡向。　　 （5）通过对4个因子的多元线性计算和对其进行回归方程显著性F检验，并对回归系数进行T检验，结果表明：绿光波段不能通过回归系数检验，故选择3和2因子模型进行计算，对所得4个方程进行对比比较，并进行误差检验，得到最优预测模型为3因子NDVI、高程、坡向的多元回归方程：　　 Y=-0.003716+0.018369*N+0.001966*E+0.000666*A。　　 （6）利用预测模型对特克斯县的云杉连年生长量进行遥感反演，可得云杉连年生长量为1.332684×104m3，云杉的面积为9.523737×104hm2。与高程、坡向叠加分析，可得生长量的变化趋势表现为中海拔处最大，即在1900～2599m的云杉生长量为1.126898×104m3，占84.56%。生长量增加最多的是阴坡，即北坡，生长量为4.65614×103 m3，占34.94%。