森林作为陆地生态系统的主体,在缓解全球气候变化和维护区域生态方面发挥重要作用。掌握森林现状及其变化信息对于理解其在生态系统和人类活动中的作用具有重要意义。林木参数能够直观地反映森林现状及其生长状况,因此快速、准确地获取林木参数显得尤为重要。传统的林木参数获取方式主要依靠野外实地调查,工作量大、效率低且获取参数较为单一,给后续研究带来一定的局限。地面三维激光扫描技术能够快速地获取毫米级林木三维点云信息,在林木参数提取研究中具有较大优势。然而,在森林场景下,地面三维激光扫描系统获取的点云数据不仅数据量大且场景复杂,给数据处理及后续林木参数提取带来挑战。本文针对森林场景地面三维激光扫描数据处理的部分关键问题以及林木参数提取方法展开研究,为进一步提升地面三维激光扫描技术在林业中的应用提供新的思路及技术支持。本文主要研究工作及成果如下:(1)基于地面三维激光扫描数据密度信息和渐进策略,发展了适用于森林场景的地面滤波算法。森林场景地表覆盖及场景结构复杂,导致地面滤波算法的最优阈值获取困难,且近地表的非地面点与地面点的滤波精度不稳定。针对上述问题,本文基于地面三维激光扫描数据密度信息实现部分复杂且关键阈值的自动获取,采用渐进策略对布料模拟滤波算法进行改进。本研究以塞罕坝生态站不同林分中的森林样地地面三维激光扫描数据为例,基于地面点密度确定网格分辨率阈值和分类阈值,逐渐缩小上述阈值,渐进地实现森林场景地面滤波处理,得到的平均总误差为0.38%,与原始布料模拟滤波算法相比减小1.74%,得到的平均Kappa系数为99.23%,与原始布料模拟滤波算法相比提升3.51%。实验结果表明,该算法能够高精度、自动地实现森林场景地面滤波处理,网格分辨率阈值和分类阈值的自动获取,有效地提升了算法的自动化程度,同时渐进策略有效地解决了地面点与近地面的非地面点难以被准确区分的难题。(2)基于局部最优思想和机器学习算法,发展了样地尺度的树木枝干点提取方法。基于点的显著特征实现林木枝干点提取时,尺度数量与提取精度正相关、与算法效率负相关。针对这一问题,本文考虑在保证枝干点提取精度和尺度贡献的前提下,采用多最优尺度特征实现样地尺度树木枝干点提取。本研究以不同点密度、包含不同优势树种的森林样地地面三维激光扫描数据为例,基于信息熵理论量化备选尺度集中各尺度的贡献并确定多最优尺度集,计算多最优尺度集的二维和三维几何特征,利用随机森林分类器获取样地初始树木枝干点,最后采用密度聚类算法优化初始树木枝干点。实验结果表明,与传统单最优尺度算法相比,该算法因增加局部最优尺度的数量,明显地提高了树木枝干点提取精度。与传统随机多尺度算法相比,该算法基于局部最优思想,量化并遴选点的局部多最优尺度,一定范围内保证尺度贡献。在本研究中,当尺度值小于9时,该算法得到结果的精度及鲁棒性优于传统随机多尺度算法的结果。(3)基于单木地面三维激光扫描数据,从精度和鲁棒性方面对比当前主流胸径估算算法—圆柱拟合算法、Hough变换算法和圆拟合算法。因点云数据获取方式和林木结构的差异,使得胸径估算结果存在不确定性,因此难以基于现有成果评估不同胸径估算算法的精度和鲁棒性。针对这一问题,本文以不同树种、采用不同扫描策略得到的单木地面三维激光扫描数据为例,对上述三种算法进行对比,为遴选最优胸径估算方法提供参考。实验结果表明,因圆柱拟合算法具有保留更多原始数据几何信息和获取更全面树干特征信息的能力,基于该算法得到的结果精度最高且鲁棒性最好。基于Hough变换算法和圆拟合算法得到的结果精度存在细微差异。对于主干规则的树木,Hough变换算法的结果略优于圆拟合算法;反之,圆拟合算法的结果更优。但考虑基于Hough变换算法的结果对阈值设定较为敏感,故基于圆拟合算法估算树木胸径的综合性能优于Hough变换算法。(4)构建了适用于样地尺度高精度获取森林结构参数的方法,并将其用于研究塞罕坝落叶松生长对林龄和氮添加的响应。本文以塞罕坝落叶松样地地面三维激光扫描数据作为实验数据。首先,利用密度聚类算法和双加权圆柱拟合算法实现样地中树木胸径的估算,利用比较最短路径算法对样地中独立树的点聚类后估算树高。基于上述结果,计算各样地的胸径和树高,结合塞罕坝落叶松生物量异速生长模型实现各样地生物量的估算。最后,计算各样地2016年至2017年胸径、树高以及生物量的增长量,用于林龄和氮添加对塞罕坝落叶松生长影响的研究。实验结果表明,本文提出的方法能够实现高精度样地尺度森林结构参数的估算,林木结构和林分密度是影响胸径和树高估算精度的主要原因之一。该工作对今后地面激光扫描技术在样地尺度森林结构参数提取、森林监测等林业应用的推广具有重要意义。