森林是陆地生态系统中的主要组成部分,森林生物量估算是进行陆地生态系统碳循环和碳动态分析的基础,在全球碳循环研究中发挥着十分重要的作用。为了正确评估森林在全球碳平衡中的作用,在3S技术的支持下,利用2003年闽江流域的TM影像,结合已收集前人研究资料数据、野外实地调查数据及2003年的福建省一类调查资料,分别构建了闽江流域杉木林的相容性单木生物量估测模型、相容性林分生物量估测模型和非线性生物量遥感估测模型。通过反演闽江流域杉木林生物量/碳贮量及空间叠加分析,综合反映了闽江流域杉木林的生物量/碳贮量状况及空间分布规律。研究主要结论如下:（1）以2007年野外生物量实地调查数据、前人研究杉木生物量的实测数据及2003年的一类调查资料为基础数据,基于相容性森林生物量模型的设计思想,采用二级非线性联立方程组法构建了闽江流域杉木林的相容性单木生物量估测模型、相容性林分生物量估测模型,解决了生物量模型的相容性问题,模型精度达97%以上,可以应用于实际生产。（2）在确定森林类型专题分类系统的基础上,基于RS平台,通过专家分类知识库、监督分类法、分层分类法,实现对闽江流域森林类型的划分,生成了闽江流域有林地分类分布图,经验证,有林地分类精度达86.9%,杉木林分类精度为86.5%。（3）结合GIS技术,在Matlab平台上应用B-P神经网络建立了闽江流域杉木林生物量非线性遥感模型系统。该模型以遥感图像提供的各波段的灰度值、植被指数等信息及海拔、坡度和坡向等定量因子和定性因子作为模型自变量,以样地生物量为因变量。通过归一化处理输入数据和增强网络训练学习算法等措施,对标准B-P神经网络进行了增强。结果表明:采用量化的共扼梯度法（trainscg）的神经网络具有更快的学习训练速度,而采用贝叶斯正则化算法（trainbr）的神经网络则在总相对误差、平均相对误差、预估精度等指标上均优于前者,更具有推广能力。因此,本研究采用提高网络推广能力的增强型B-P神经网络作为闽江流域杉木林生物量遥感模型的最终模型,并估测了闽江流域杉木林的生物量/碳贮量,生成了闽江流域杉木林生物量/碳贮量分布图。（4）基于GIS平台,以闽江流域杉木林生物量/碳贮量分布图、数字高程图、坡度图和坡向图为基本图层,进行空间叠加分析,研究闽江流域杉木林生物量/碳贮量分布规律。结果表明:闽江流域杉木林总面积为747729.4hm²,占全国森林面积的0.524%,杉木林的总生物量为42291574.86t,森林碳库为19874647.45t C,占全国碳库的0.54%。杉木林平均碳贮量为26.58t·hm^-2,高于全国森林碳贮量平均值25.77t·hm^-2。杉木林生物量/碳贮量分布随海拔等级变化从大到小的排列次序为:较低（400m-800m）＞低（＜400m）＞中等（800m-1200m）＞较高（1200m-1600m）＞高（＞1600m）。在较低海拔区域内,杉木林生物量/碳贮量分布最大,约占杉木林总生物量/碳贮量的54.96%;在高海拔区域内,杉木林生物量/碳贮量分布最小,只占杉木林总生物量/碳贮量的0.06%。在平地上,杉木林生物量/碳贮量约占总杉木林生物量/碳贮量的25.99%;在山地上,杉木林生物量/碳贮量约占总杉木林生物量/碳贮量的74.01%,杉木林生物量/碳贮量分布随坡度变化从大到小的排列次序为:斜坡＞陡坡＞缓坡＞急坡＞平坡＞险坡。