机载激光雷达（Light Detection And Ranging,LiDAR）是一种主动遥感技术,具有高精度,低干扰,强穿透性等诸多优势,以非破坏性的方式获取林分的三维空间结构信息,可有效提升林分蓄积量的估测精度。本研究以江苏省宿迁市泗洪县陈圩林场为研究区,以林龄15年的36块杨树人工纯林样地为研究对象,对2019年3月下旬（T1）以及2021年4月上旬（T2）采集的机载LiDAR数据进行处理分析,提取高度相关、强度相关的特征变量,利用皮尔逊相关性分析进行变量筛选,研建林分蓄积量最优估测模型。通过分析不同航摄仪、飞行高度的数据对建模精度的影响确定最佳数据源。尝试根据林分密度、累计高度百分位数（AIH99）、树高变异系数（Hcv）等要素对研究区样地进行分组建模,探索基于单期机载LiDAR数据的最优蓄积量估测模型。基于两期机载LiDAR数据进行林分蓄积量动态估测分析,并探讨林分密度对杨树人工林森林林分蓄积量生长变化的影响,得到以下结论:（1）对比不同航摄仪类型和飞行高度对林分蓄积量的估测模型的影响,结果表明Riegl-miniVUX航摄仪采集的飞行高度为100 m的机载LiDAR数据建模效果最好。对比线性模型和非线性模型在林分蓄积量估测模型上的差异,结果表明非线性模型的估测精度更高。（2）提出一种改进的林分平均高提取方法,可提升林分蓄积量估测模型效果。数字化垂直角规点抽样平均高（Vth）作为特征变量参与林分蓄积量估测模型研建,模型精度有所提升,林分蓄积量估测模型的R2为0.664,检验数据的RMSE和RRMSE分别为12.40和 7.40%。（3）分别采用3种分组方法研建林分蓄积量估测模型。第一种是根据林分密度分组研建估测模型,结果表明高密度样地的估测模型效果（R2=0.689）优于不分组建模的估测模型效果（R2=0.664）,优于低密度样地的估测模型效果（R2=0.627）。第二种是尝试用99%的累计高度百分位数（AIH99）分组建模,结果表明AIH99＜AIH99的样地估测模型效果（R2=0.675）优于不分组建模的效果,优于AIH99＞AIH99的样地估测模型效果（R2=0.650）;第三种是根据树高变异系数（Hcv）分组建模,结果表明Hcv＜Hcv的样地估测模型效果（R2=0.753）要优于Hcv≥Hcv的样地估测模型效果（R2=0.698）优于不分组建模的效果,该分组方法在3种分组方法中估测模型效果最佳。（4）基于两期机载LiDAR数据进行林分蓄积量动态估测分析,结果表明将2019年机载LiDAR数据依据树高变异系数（Hcv）分组研建蓄积量估测模型,应用2021年数据进行动态估测的效果较好。分组研建的估测模型本身的精度较高,并且能够较为准确地估测研究期内林分蓄积量的变化情况,林分蓄积量生长量估测值与生长量实测值的R2达到0.7071。（5）探讨林分密度对研究区杨树人工林平均高、平均胸径和蓄积量生长变化的影响。结果表明林分密度为6 m×6m的样地林分平均高、平均胸径、蓄积量的生长量最大,林分平均高生长量的平均值为0.93 m,平均胸径生长量的平均值为2.12 cm,蓄积量生长量的平均值为31.50 m3/ha,不同林分密度各生长量排序均为:6 m×6 m＞4.5 m×8 m＞5 m×5 m＞3 m×8 m。