卢腾飞，周 律，胡中岳，欧光龙，胥 辉

（西南林业大学 西南地区生物多样性保育国家林业和草原局重点实验室，云南 昆明 650233）

森林生物量是森林生态系统的核心数据，也是森林碳汇研究的基础[1]。传统生物量获取方法已经不能满足人们对大尺度生物量计算的需求。遥感技术的日益发展，极大提高了森林生物量大尺度估算、及时性掌控和实时性监测的效率。由于Landsat影像不仅能够容易免费获取，而且具有中等的空间分辨率和光谱分辨率以及能够提供较长时间序列的历史数据等优点，被众多学者[2]广泛应用于不同地区不同林分的生物量遥感估测中。基于光学遥感技术估测生物量存在的饱和现象已经受到广泛的关注[3]，再加之遥感模型的限制，如线性回归模型普遍存在预估精度不高，模型泛化能力差，估测结果的残差与生物量呈明显的线性关系等问题[2]，往往会造成生物量估测的低值高估与高值低估问题，影响了遥感估测生物量精度。虽然一些学者[4−5]通过构建人工神经网络模型和随机森林等非参数机器学习模型提高了线性多变量模型的预估精度，但是由于其“黑箱”操作很难反映生物量与遥感参数之间的机制过程[6]，不具有推广性。正是由于混合效应模型包含了固定效应和随机效应2个部分，可以同时分析组水平和个体水平数据，并且在处理不规则及不平衡的分层数据，以及在分析数据的相关性方面具有其他模型无法比拟的优势[7−8]而被广泛使用。……