在“京都议定书”的背景下,对森林碳储量进行估测已成为当前的研究热点。有大量研究表明,森林乔木层碳储量在地上部分碳储量中起到绝对主导作用,而森林生物量是进一步分析森林碳储量的前提。当前研究中,针对区域(中尺度)生物量的研究相对较少,而区域生物量估算是连接大尺度和小尺度生物量估算的桥梁,因此,开展对区域森林乔木层生物量的定量与定性研究工作,对以“碳汇”为目标的森林生产经营和“碳汇”交易具有重要意义。但利用当前的生物量估算方法进行区域森林乔木层生物量估算时存在以下问题：(1)由于区域内往往有多种树种或林分类型,传统方法在区域森林生物量估算中,需重复建立多种树种或林分类型的单木或林分生物量模型,再累加得到区域生物量,存在工作量较大的问题,且随着森林资源调查数据的日益完善与丰富,在大数据时代的背景下,充分利用研究区数据,适当忽略微观层面上的精确度会让宏观层面具有更好的指导意义。因此,需研究一种直接用于快速估算林分生物量的方法；(2)在建立林分生物量模型时,对影响生物量的相关因子的研究存在不足,所建立的模型中体现的因子信息不足,且不同学者建立的模型差别较大；(3)当前的生物量模型建模研究中,多采用多元回归分析的方法,但在自变量较多且变量间存在共线性问题时,该方法建立的模型精度较低,有少数研究采用神经网络方法建立了模型,但该类模型在泛化能力上有一定的局限性；(4)目前尚并未有对森林生物量等级进行评价的研究工作,研究一种快速对区域森林生物量进行评价的方法,可为宏观上指导以“碳汇”为目标的森林生产经营提供决策支持。钊对以上问题,本文以孟家岗林场为研究区,以林场2012年的森林资源二类调查数据为数据源,在“十二五”农村领域国家科技计划课题“森林经营可持续生产决策支持系统”项目(2012AA102003-2)的支持下,开展区域森林乔木层生物量的估算与评价研究,将研究区的小班划分为6类,并分别建立了6种生物量估算模型,在此基础上,对研究区小班生物量水平进行评价,建立了森林生物量等级评价决策树模型。在研究过程中,重点对生物量特征因子提取、研究区小班聚类分析、生物量估算模型建模及等级评价决策树建模进行了研究,得到的主要研究成果与结论如下：(1)应用主成分分析方法提取出了8个森林小班生物量的特征因子,计算结果表明：8个主成分能够表达原始调查数据80%以上的信息,且各因子之间相互独立,8个主成分的初始因子载荷矩阵经过旋转后,各主成分刻画的意义比较明显,均具有较强的可解释性,说明了提取生物量特征因子的可行性。本文得到的特征因子既相互独立,又充分代表了影响森林生物量的相关因子信息,与传统生物量模型中的参数相比,能够用于更加准确地反映森林生物量随特征因子的变化情况。。(2)提出了以小班聚类为区分构建生物量估算模型的方法,利用改进的K-means算法对研究区森林小班进行聚类分析,研究结果表明,研究区的森林小班可划分为6类,各类小班的内部特征及其与其它小班的差异比较明显,对各类小班的特征进行了定性描述,结合BWP聚类有效性指标,完成了对各类小班定性与定量分析的结合。该方法不同于传统的以树种或林分类型为区分构建生物量估算模型的方法,而是以聚类小班为区分建立生物量模型,在区域生物量估算中,该方法能够减少估算时的工作量。(3)建立了基于小班聚类的森林生物量估算模型,检验结果表明：从决定系数和平均相对误差绝对值来看,6类小班的生物量模型精度均以支持向量回归机模型为最优,各类模型的决定系数在0.7-0.92之间,平均相对误差绝对值在11.173%-23.583之间,其次为神经网络模型,多元线性回归模型最低,说明生物量与相关因子间存在显著的非线性关系,且支持向量回归机模型能够较好地拟合两者间的关系。另外,基于全部小班数据建立了支持向量回归模型,其精度低于已得到的6类模型,说明了基于小班聚类建立生物量估算模型的可行性。(4)提出了森林生物量等级评价体系及评价模型,利用四分位法将区域森林生物量划分为较高、高、中、低四个等级,并利用决策树方法,分别建立了基于全部特征的生物量等级评价决策树和基于部分特征的生物量等级评价决策树,研究结果表明：基于全部特征的生物量等级评价决策树的精度较高,分类精度达91.03%,并得到了28条置信度在75%以上的分类规则,为区域生物量的快速评价提供了一种新的方法。利用生物量等级评价决策树,对研究区各小班的生物量等级进行评价,评价结果表明：研究区内处于中等生物量水平的小班数量最多,处于较高等级生物量水平的小班数量次之,而处于高级和低级生物量的水平的小班数量相当,为林场以碳汇为目标的森林经营提供了科学指导。