近年来北京市雾霾及气候变暖现象日趋严重,得到人们广泛重视。森林可以吸附温室气体及PM2.5粉尘颗粒,可以有效缓解上述现象。为更好了解我国储存碳的动态变化,需要对北京森林碳储量有准确、高效的估算。本文以北京的Landsat-8、GF-1遥感影像为原始数据,分别从中提取出80和50个因子参与建模,选择150块样地作为实地数据,利用九棵树多边形样地的方法计算碳储量,将两组影像模型因子与碳储量分别运用主成分分析及多元线性回归的方法建模,在4组模型中挑选出最优模型进行北京碳储量的估算。用遥感影像结合实地样地来估算北京森林碳储量,节省大量物力和财力,为制定森林经营管理方案及互联网+精准林业的实现提供参考。文章主要内容及结论有以下几方面:(1)模型因子获取:基于Landsat-8遥感影像有7个可用光谱信息,但分辨率低,GF-1遥感影像分辨率达8米,但光谱信息只有4个。两个影像是比较常见的碳储量反演遥感影像,都有优势和不足,本文同时选用Landsat-8卫星遥感影像与GF-1卫星遥感影像提取光谱信息,预处理后,通过提取两组影像每个波段的纹理因子,地形因子、植被指数,单一波段以及一些波段的组合运算的灰度图,Landsat-8影像有80个模型因子,GF-1影像有50个模型因子,模型因子用于后续模型的拟合。(2)实地样地生物量获取:利用九棵树多边形样地代替传统每木检尺的方法计算样地的平均胸径、平均高、蓄积量、生物量及碳储量,再通过随机抽取18块样地作为检测数据,监测样本是根据传统每木检尺方法以及按照传统的计算公式计算样地的各个林分调查因子,经过精度分析,各林分调查因子相对误差介于8.80%～13.44%,相关系数介于0.624～0.927,实验室团队还将九棵树多边形样地的计算模型编写成软件,通过输入基本量测信息可自动获得各林分调查因子,进一步使样地观测便捷化。利用九棵树多边形样地法调查林分因子,其精度满足森林资源二类调查需求,该方法可以替代传统每木检尺方法获取森林调查因子,弥补了利用传统方法耗材耗力浪费资源的局限性,适用于对样地林分因子的观测,既保证精度有可以极大程度降低野外人工作业量。(3)模型拟合:基于多元线性回归模型通过定量的方式准确得知各个模型因子与碳储量的相关性程度和回归模型拟合情况,这样可以充分利用Landsat-8影像光谱信息丰富,提取出的模型因子多的优势,主成分分析的方法可以通过对数据进行降维来消除多重共线性,这一点在一定程度上解决多元线性回归分析的不足,本文同时选取最常用的这两种模型来拟合碳储量与众多模型因子的信息。四组模型的精度为,Landsat-8影像主成分分析法:79.66%,Landsat-8影像多元线性回归:81.72%,GF-1影像主成分分析法:75.01%,GF-1影像多元线性回归:75.93%。在本次的四个模型精度检验中,最优秀的模型因子是Landsat-8影像利用多元回归分析拟合的模型,精度为81.72%,相关系数为0.82,最后决定选择此模型因子来估算北京森林碳储量。(4)碳储量估测:利用挑选出的最优模型来估测北京森林碳储量,得出北京森林碳储量为22.788Tg,根据我们估算的碳储量数据将北京的碳储量分为四个等级并绘制了北京市碳储量的分布图,经分析得出北京的碳储量比较集中,主要分布在北京的北部和西南部边缘,城区的公园有零星极少了的碳储量。