激光雷达(LiDAR)是集激光测距技术、GPS技术以及INS技术于一体，通过位置、距离、角度等观测数据直接获取对象表面点的三维坐标，并进一步实现地表信息提取的主动式对地观测技术。这种独特的工作方式使它在三维空间信息的实时获取方面取了重大突破。随着数据存储能力和处理速度的提高，小光斑机载激光雷达系统(ALS)拥有了存储全波形的能力，虽然研究者都坚信对全波形数据的处理和分析将获得比仅仅使用离散回波更丰富的植被信息，但是对波形数据的处理和分析尚缺少成熟的算法和分析流程。　　 基于激光雷达反演森林结构参数的相关工作在国际上已经开展多年，相对于树木，作物的高度一般较矮，作物和土壤部分的波形会发生重叠，现有的波形分解方法未能有效解决这个问题，因此尚未见激光雷达反演作物结构参数的报道。另外为了充分挖掘激光雷达对地球表面的探测潜力，将激光雷达数据与光学传感器的光谱数据相融合，利用其互为补充的信息进行土地覆盖类型分类，是一个非常有意义的研究方向。本文围绕这些问题，开展了激光雷达定量提取作物参数的研究，同时在激光雷达和可见光影像的联合分类上也做了一定的探索。论文主要工作和成果如下：　　 1)建立了一种激光雷达全波形分解的新算法。　　 通过对全波形激光雷达发射与回波波形的高斯性的分析，提出稀疏植被（如作物、稀疏灌木、树木）激光雷达回波的分解方法。首先利用发射波形的高斯参数重构土壤波形，实现作物与土壤波形的剥离，然后确定首次回波和地表回波各关键点的三维坐标；并对离散回波和全波形分解得到的关键点进行了精度评价，结果证明该算法能够得到精确的地表三维信息。　　 2)提出一种激光雷达提取冠层高度的方法。　　 结合作物冠层结构的特征成功实现了作物冠层高度的反演，并对精度进行了评价，结果显示这种方法非常有效。　　 3)模拟作物的激光雷达回波并建立了相应的反演方法。　　 基于水平均匀冠层的Kuusk二向反射模型，对作物的激光雷达回波进行了模拟，并建立了相应的反演方法；评价了反演的不确定性及其影响因素，用实地LAI测量数据行了分析验证，为激光雷达在植被参数反演方面的应用提供了一种新的思路。　　 4)联合LiDAR和航空影像进行土地覆盖类型分类研究基于波形分解算法获取地表和地物表面首次回波的坐标，得到实验区的DEM， DSM， nDSM和激光相对强度等信息，在此基础上融合高精度航空影像提供的植被指数，建立了一种利用多源数据进行土地覆盖类型分类的方法。