本研究通过对国内外森林可燃物载量研究的系统性总结，以比较易发火灾的大兴安岭林区作为研究对象，结合外业调查的72块样地数据、遥感影像数据及地形数据，建立森林可燃物载量估算模型，推算林区可燃物载量。初步选出19个自变量因子，包括从校正后的林区遥感图像上计算的各种植被指数，以及从DEM得到的坡度，高程等，采用SPSS统计软件分析这些变量与对应样地可燃物载量的相关性，分析可燃物载量与各类遥感变量间的相互关系，提取相关性较高的自变量建立常规多元统计模型，线性与非线性偏最小二乘模型来估算可燃物载量。建立了动态线性模型，也取得了比较好的预测效果，并结合GIS空间分析做出森林可燃物载量影响因子的一系列分析。　　(1)前期遥感数据的处理，需要几何精校正和辐射校正，是此次研究实验利用遥感信息基础性工作。　　(2)根据不同森林可燃物载量的类别在外业调查时，对样地调查数据分别做详细统计，诸如地表可燃物载量与林上可燃物载量，以此作为建立遥感估测模型的基础性数据。　　(3)采用常规多元统计模型，线性与非线性偏最小二乘模型来估算可燃物载量，常规多元逐步回归统计模型采用5个自变量所建模型精度较好，模型相关系数0.672，决定系数0.451，拟合精度73.52％，预测精度70.2％，均方根误差9.3t/hm2。其中模型提取的变量与其没有太大的相关关系，更不可应用于大区域的可燃物载量估算模型中。线性偏最小二乘模型的决定系数为0.7575，拟合精度78.98％，预测精度76.3％，均方根误差2.49 t/hm2;非线性偏最小二乘模型决定系数为0.8325645，拟合精度83.82％，预测精度82.67％，均方根误差2.45t/hm2，可见偏最小二乘回归法要优于逐步回归法，非线性偏最小二乘优于线性偏最小二乘。但由于该方法算法复杂，程序运行时间长，非线性模型形式不确定，给大区域的遥感估算带来问题，因此该方法也仅停留在小区域实验上，难以推广到大区域的遥感估算中去。　　(4)森林可燃物载量的GIS空间分析。利用ARCGIS的空间分析模块和地统计分析数据如高程分布等级图，坡度分布等级图及坡向分布图，定量的分析了森林可燃物载量变化与相关影响因子对应变化，其对森林可燃物载量变化影响的重要性有了一定的定量表达。高程影响:在一定范围以内森林的森林可燃物载量和面积在0～500m内，海拔越高，森林可燃物载量和面积分布比例越大。并在这一范围极值海拔上达到最大值，这主要是在各森林适生范围内由局地气候环境条件而定，超过这个海拔高度后，森林可燃物载量和面积分布比例开始下降。坡度影响:在缓坡上森林可燃物载量最大，约占森林总生物量的40％左右，在险坡上，森林可燃物载量最小，占森林总面积近乎于0。坡向影响:东坡和西坡可燃物载量和面积所占的比例最小5％左右，平坡所占的比例最大接近30％，南坡次之在27％左右。　　根据上述研究得出结论，逐步回归模型精度难以满足要求，偏最小二乘模型精度较高但算法复杂，仅能用于小区域实验研究，在大区域尺度上需要结合其他算法较为简单而精度较高的模型，对森林可燃物载量的空间分析，主要考虑了高程，坡度，坡向的地形因素，相应的分析结果直观可现。