森林蓄积量是反映一个国家或地区森林资源总规模和水平的基本指标之一,也是反映森林资源丰富程度和衡量森林生态环境优劣的重要依据。它的消长动态不仅直接影响林业的经济效益,也为森林的经营管理提供重要依据。因此,很有必要对森林蓄积量展开积极调查。传统的蓄积量估测是采用人工实地采集固定样地数据与总面积进行估计,这种方法工作量大、效率低。随着3S技术的发展,现在的蓄积量估测是利用在试验区域布设的固定样地的调查数据结合遥感影像数据构建蓄积量估测模型,对有林地区域进行蓄积量估测。随着空间分辨率更加精细化,遥感影像的纹理信息更加丰富。高空间分辨率的纹理信息对森林植被信息的区分非常敏感,在蓄积量估测时,加入纹理特征对蓄积量估测的精度提升具有很大的潜力。本论文基于高分一号影像数据,利用灰度共生矩阵法提取试验区遥感影像的纹理特征,结合试验区的遥感信息与GIS信息构建蓄积量估测模型,通过实验探究了纹理特征对蓄积量估测的影响规律。最终得出以下结论:(1)仅仅利用纹理因子并不能有效提高森林蓄积量估测的精度。(2)纹理因子结合遥感因子以及GIS因子能够有效提升蓄积量估测精度。(3)纹理特征的方向能够影响模型的估测精度,但是未发现一个最佳方向使得生成的纹理特征能够最大程度的提升模型的精度。(4)随着提取纹理窗口大小的增大,模型的估测精度呈逐渐减小的趋势,且最佳纹理提取窗口出现在3×3窗口。