[目的]建立基于遥感因子和地形因子的香格里拉市高山松生物量非线性混合效应估算模型，提高高山松生物量估算精度。[方法]根据OLILandsat8号及相应年份2015年和2018年的实测数据，采用二元生物量模型计算高山松的生物量。提取植被指数和纹理等遥感因素。将地形因子按一定程度划分为模型的因变量。在八个非线性模型的基础上，考虑地形特征，建立了一个非线性混合效应模型，对高山松的生物量进行了估算和检验。然后，将多元线性回归的两参数模型和线性混合效应模型，以及随机森林（Random　Forest、RF）的梯度增强回归树（GBRT）和k近邻（KNN）相结合，对预测精度进行了比较。[结果]1）在八种非线性基本模型中，生长模型的拟合效果最好。2） 共有12个具体增长模型被输出，其中样地号（Number）和海拔高度（Elevation-Class）是固定效应，坡度（Aspect-Class）是随机效应，该模型在Log　Likelihood值最大，为-56.53，AIC和BIC的值最小，非线性混合效应模型的精度为13.94t/hm~2，AMRE为15.64%，预测精度P为84.34%。[结论]基于Landsat图像和地形因素的非线性混合效应模型的预测精度明显高于多元线性回归和线性混合效应模型，预测精度高于非参数模型。将地形因子作为混合效应因子建立非线性混合效应模型，可以提高高山松树木层生物量的估计精度。