森林结构参数,如树高、冠幅、胸径和树冠体积等,不仅是评估森林生长状态、空间结构及生态功能的重要指标,也是分析全球森林生态系统碳平衡的基础。其中,树高是森林资源调查的重要参数,常常被用于立地质量与树木生长状态评价、树木材积与生物量估计。机载激光雷达（Airborne Light Detection and Ranging,ALiDAR）能够主动发射激光能量脉冲,在一定程度上穿透密集植被冠层,快速获取冠层和林下地形的高精度三维空间信息,从而为单木树高等森林结构参数的精准估测提供支持。基于冠层高度模型（Canopy Height Model,CHM）估测单木树高是最常见的方法之一。然而,针对坡度较大林区,LiDAR点云生成的冠层高度模型往往存在畸变,会降低单木树高估测精度。针对这一问题,本研究以广西省兴安县富江村附近地形起伏较大区域的针叶林为研究对象,利用研究区无人机激光雷达（Unmanned Aerial Vehicle LiDAR,UAV LiDAR）点云数据,提出一种CHM与数字表面模型（Digital Surface Model,DSM）相结合的树高估算新方法改善单木树高估测精度,主要研究内容与结论如下:（1）林区激光点云预处理。首先,使用八叉树建立点云数据空间索引,并基于距离统计的去噪方法实现点云数据的噪声去除;其次,林区地面点滤波,对坡度滤波、多级移动曲面拟合滤波和渐进加密三角网滤波三种滤波方法进行试验和对比,选择最优的方法对研究区进行滤波处理;最后,使用反距离加权插值法生成DEM（Digital Elevation Model,DEM）和DSM,将两者相减得到CHM,并使用基于统计的凹坑填充法消除了冠层高度模型上的凹坑。（2）基于标记控制分水岭的森林单木分割。首先,基于凹坑去除优化后的CHM,利用局部最大值算法探测树顶点;然后,结合树顶点采用标记控制分水岭分割方法（Mark-Controlled Watershed Segmentation,MCWS）分割单木;最后,将分割结果与基于归一化分割（Normalized Cut,Ncut）的单木点云分割结果进行比较分析。结果表明,相比基于归一化割方法,标记控制分水岭分割方法的树冠漏分割与欠分割数量都较少,树冠分割精度整体较高,更适合于地形坡度较大的地区。（3）结合DSM的森林单木树高估测。为了解决坡度较大区域由CHM畸变导致单木树高误估的难题,本文提出CHM与DSM结合单木树高方法:首先将标记控制分水岭算法分割得到的树冠轮廓多边形提取至DSM中,记作标记区域;然后比较此标记区域内每一个像素点与其邻域,选取此区域内最大像素点为树顶点,并将树顶点高程与使用狄洛尼三角网和高程内插得到的地面点相减获取树高;最后为了验证本文树高估测方法,分别对坡度为32°、25°和15°的试验区进行试验。结果显示,CHM中估测的树高与实测数据拟合的R2分别为0.84、0.85和0.87,RMSE为1.48、1.41和1.58 m,结合DSM后R2为0.92、0.91和0.93,RMSE为0.93、1.02和1.16 m。结果表明,本文方法可以有效提高地形坡度较大区域单木树高的估算精度,对提升森林资源调查的准确性有着重要意义。