森林作为陆地生态系统最大的碳库,对维持整个陆地生态系统的碳平衡起着至关重要的作用,因此研究森林碳密度的空间分布特征具有极其重要的意义。随着3S技术的飞速发展,利用遥感技术进行森林碳密度反演已受到越来越多的关注,它为森林碳密度估测提供了一条既快捷又方便的新途径。本文以四川省宜宾市长宁县为研究区,结合GF-1遥感影像和当地森林资源二类调查数据,运用多元线性回归模型、Logistics回归模型和k-NN三种方法,分别基于1km×1km、2km×2km、3kmx3km三种不同抽样间隔的样点数据对长宁县地上森林碳密度进行模拟。旨在探索一套适合县级区域尺度的森林碳密度调查技术,并分析出最佳森林碳密度遥感估测方法,为森林资源的快速宏观监测及其碳密度遥感反演提供思路,提升森林资源遥感定量估测水平,达到动态监测的目的,并为当地政府制定森林抚育措施及相关林业政策提供行之有效的数据支撑。主要研究结果如下：(1)变量因子相关性分析。将提取出的地形因子及遥感因子与样地碳储量进行相关性分析,结果表明,研究区森林碳储量与多个遥感因子和地形因子间存在较好的相关性,其中归一化植被指数(NDVI)和土壤调整植被指数(SAVI)与样地碳储量的相关系数最高。在显著水平α=0.01下,1km×1km、2km×2km、 3kmx3km三种抽样间隔筛选出的显著相关变量个数分别为26、25和24个。(2)碳密度反演回归模型构建。运用多元线性回归模型、Logistics回归模型两种方法分别基于以上三种抽样间隔进行研究区森林碳密度反演。研究结果表明,多元线性回归模型的决定系数(R2)及预测精度在三种抽样间隔下均比Logistics回归模型的决定系数(R2)及预测精度要高,且两种方法均在2kmx2km抽样间隔下模型估测精度最高,其精度分别为67.73%和46.23%。(3)基于k-NN方法的森林碳密度反演研究。利用多元线性回归模型和Logistics回归模型筛选出来的变量因子分别在三种抽样间隔下运用k-NN方法进行森林碳密度反演。结果表明,利用Logistics回归模型筛选出来的变量进行k-NN碳密度反演,相同抽样间隔下,其预测精度均随k值的增大而增大,而利用多元线性回归模型筛选出来的变量进行反演,其预测精度并没有随k值的增大而呈现明显的变化规律。且运用k-NN方法进行森林碳密度反演,相同k值下,预测精度随抽样间隔的增大而降低,其在lkmxlkm抽样间隔下的最高预测精度为48.53%。(4)基于最优估测模型的森林碳密度反演。基于多元线性回归模型、Logistics回归模型和k-NN算法三种不同森林碳密度反演方法的最优估测模型所模拟出的长宁县森林碳密度分别为38.72 t·hm-2,35.87 t· hm-2,41.79 t· hm-2。其中多元线性回归模型的模拟精度最高,结果与实测结果最接近,模拟结果最为合理。为碳密度反演最优估测模型。