摘要：在广西高峰林场巨尾桉人工林内设置20个(30 m×30 m)方形大样地,每个方形样地中分成9个小样地(10 m×10 m),由4个小样地组成中样地(20 m×20 m),采用参数模型和机器学习算法探索林分平均高和密度等变量估测林分巨尾桉人工林蓄积量。结果表明:巨尾桉人工林林分蓄积量与林分平均高、每公顷株树呈显著正相关。在构建巨尾桉人工林蓄积量的所有模型中,基于林分疏密度和林分平均高构建的变参模型(R2=0.9973,RMSE=4.64 m^(3)/hm^(2))优于基于林分平均高和每公顷株数构建的随机森林模型(R2=0.9617,RMSE=18.53 m^(3)/hm^(2));2个林分蓄积量估测模型的3组测试样地的Pearson残差落主要在[-2,2]带状区域中,2个林分蓄积量模型可以在巨尾桉人工林林分不同面积尺度样地(100、400、900 m^(2))应用。基于林分密度和平均高的蓄积量模型与实测蓄积量的相关性较高(R2在0.9200~0.9973),反演误差值较好(RMSE在4.64~25.16 m^(3)/hm^(2));林分疏密度对林分蓄积量变动的解释能力好于每公顷株数;在100 m^(2)样地尺度上基于林分密度(每公顷株树、林分疏密度)和林分平均高拟合的林分蓄积量估测模型在400 m^(2)和900 m^(2)尺度上有较好的一致性。