摘要：森林資源調查是數字森林資源監測的基礎,遙感技術可以克服傳統方法如抽樣調查的局限性,有效地縮短作業時間,提高效率。雖然目前森林蓄積量遙感估測方法很多,但隨著樣本數量的增加,這些方法無法保證估算的準確性。本研究擬提出一種基于方差速率優化的k最近鄰法(k NN),以2017年10月Planet Labs影像為數據源,結合赤峰市旺業甸林場蓄積量實測數據建立反演模型,并與地理加權回歸(GWR)模型、隨機森林(RF)模型、普通k NN模型和距離加權k NN模型進行對比分析。在建立的森林蓄積量反演模型中,方差優化k NN模型得到最優精度[決定系數(R^2)為0.69,均方根誤差(RMSE)為67.6 m^3·hm^-2,相對均方根誤差(RRMSE)為32.04%],顯著優于其他模型。結果表明,方差優化k NN模型相比其他模型更適用于森林蓄積量遙感估測,森林蓄積量遙感反演空間分布符合實際分布情況,可以滿足建立反演模型的需求。同時,由于Planet Labs影像的鮮明特征(即具有高時間分辨率),該數據的時間序列數據對于森林季節變化有豐富的記錄,在反演森林蓄積量方面有著很大潛力。