苹果树的枝条是叶、芽、花、果等器官生长的基础,适宜的枝条数量和长度是果树正常生长及开花结果的保证。同时,枝条信息（长度/数量）是苹果树长势以及产量等的重要表征指标,因此,准确的获取苹果树枝条信息对于果园生产具有重要意义。本研究基于富士苹果树的地面激光扫描仪（Terrestrial Laser Scanning,TLS）和背包激光雷达（Backpack Light Detection and Ranging,Backpack-LiDAR）点云数据,利用定量结构模型（Quantitative Structural Model,QSM）进行重建并提取枝条信息。首先,对TreeQSM中的5个关键参数进行了敏感性分析,得出对高度矮且枝条复杂的苹果树建模的敏感参数;其次,提出一种苹果树枝条信息提取的参数优化方法,并作了系统的阐述。最后,基于参数优化后的QSM,对样本树进行建模并提取枝条信息,与实测值进行对比分析,并探究点云空间密度对结果的影响。本研究的主要结论包括:（1）对TreeQSM的原理进行介绍,并进行参数敏感性分析,结果表明:参数PD2Min对苹果树枝条信息的一阶敏感性和总体敏感性指数均远大于0.5,其对果树枝条信息提取最为敏感;本研究中参数组合数量的变化,对QSM参数的敏感性指数变化影响较小,但参数组合数量越大,敏感性指数可信度越高。（2）基于TLS点云数据,进行参数优化并建模提取苹果树枝条信息,探讨点云密度对结果的影响,结果表明:参数PD2Min=0.6cm时,枝条信息提取的相对误差最小,PD2Min取得最优值;PD2Min取最优条件下,第一、二、三级和总枝条长度提取结果的相对误差分别为7.43%、16.75%、35.84%和15.34%,数量提取结果的相对误差分别为12.00%、9.67%、23.81%和 2.89%。当点云空间密度分别为 60063 个/m3,48050 个/m3,30031个/m3,12638个/m3,6268个/m3,1658个/m3时,第一、二、三级和总枝条长度提取的相对误差分别约为10%、20%、30%和10%,数量提取的相对误差分别约为10%、10%、20%和10%;当点云空间密度807个/m3时,仅提取的第一级枝条信息可靠。TreeQSM提取分枝信息的精度,在一定范围内随着点云密度的增加而提高。对于本研究中的TLS点云数据,当点云空间密度高于1658个/m3,第一级、第二级、第三级和总枝条信息的提取结果几乎不变。（3）基于Backpack-LiDAR点云数据,对样本树进行建模并提取枝条信息,结果表明:PD2Min=1.2 cm时,枝条信息提取的均方根误差（Root Mean Square Error,RMSE）和相对均方根误差（relative Root Mean Square Error,NRMSE）均取得最小值,PD2Min最佳;PD2Min取最优条件下,除第一级枝条信息的提取结果外,其余分级枝条信息和总枝条信息被不同程度的低估;第一级枝条长度提取结果的R2=0.397,RMSE=3.43m,NRMSE=14.62%,第一级枝条数量提取结果的 R2=0.4351,RMSE=1.30,NRMSE=11.96%,基于Backpack-LiDAR点云数据,可完整重建第一级枝条并提取其信息。