随着激光雷达(Light Detection And Ranging,LiDAR)技术在近二十年的快速发展,LiDAR数据被广泛用于各个行业的3D测量、空间建模和参数反演。森林由于其地物垂直结构复杂,林木属性多变,是高分辨率遥感技术面临的一大难点。虽然林业上已使用LiDAR数据进行林区地形建模、森林树种分类、植被参数提取等研究,全波形LiDAR数据分类的基础工作仍存在若干系统性的技术问题:新型LiDAR系统的性能得到极大提升,但也引入新的数据处理模型问题;LiDAR系统光谱波段单一,目标刻画仍主要局限于点云数据几何结构和空间拓扑信息,全波形数据物理观测量没有得到充分利用;林业上尚未形成一种林区LiDAR数据处理和分类技术框架,以快速有效区分林区地面、植被和其他地上非植被目标回波。林区点云几何分类器在0.5米近地面层的分类精度得不到保证,间接影响林下精细地形提取。林区植被点云数据常混淆了稀疏的林区建筑物、电力线等非植被目标,直接干扰森林参数获取精度。基于这些背景,本文以林区全波形数据精细分类为目标,开展了以下几个方面的工作:(1)针对新型高重频机载LiDAR出现的距离歧义,尤其在山区等高程起伏较大的林区导致几何定位错误的问题,提出了LiDAR几何定位模型的距离项修正,系统建立了距离歧义数学模型,提出并实现了基于先验地形预测的方法进行距离歧义消解,验证了使用ASTER GDEM等全球数字高程模型数据可对机载LiDAR系统提供足够可靠的距离范围预测。该方法不受Li DAR硬件体制约束,相比已有商业系统方案具有可比的稳健性和更好的普适性。本研究保证了点云数据的可用性,为点云分类工作建立了重要数据基础。(2)实现了全波形LiDAR数据高斯参数提取、相对辐射标定和绝对辐射标定,基于物理特征提出了“波形椭球”的概念,使用波形参数和后向散射特征参数构建刻画点云回波空间形态的实体。针对点云分类的目标,结合植被、地面回波的统计特征,提出了波形比值指数,利用不同地物回波展宽和辐射特性扩大类型之间的差异,增强了地类之间的可分性。最后,在理论上将波形参数、相对辐射标定参数、绝对辐射标定参数和波形比值指数统一成波形增强参数(Waveform Augmented Parameters),极大扩展了现有单波段LiDAR数据的特征空间,对目标特征的刻画提供新的思路。(3)使用波形增强参数的五种特征组合对林区点云进行植被和地面回波分类,通过随机森林方法,对不同入射角的林区点云数据末回波进行了分类器建模,发现波形比值指数的分类精度最高,与全体特征参与分类的精度接近,在良好观测条件下总体精度优于97%,与传统几何滤波算法具有可比性;相对辐射标定参数和绝对辐射标定参数分类精度次之且两者基本接近;原始波形参数的分类精度最低。发现射角度增大使相同地物目标的脉冲宽度方差增大,降低了所有特征组合的分类精度,但在小于20°时,使用波形比值指数仍然使总体精度高于82%。本研究验证了波形增强参数的有效性和对点云分类的优势,为后续林区点云地面滤波分类提供了技术准备。(4)结合波形增强参数和几何滤波算法设计了针对林区低矮植被和地面回波的精细区分策略——微地形分类,并利用多参数组合的方式快速标记了林区建筑物和电力线位置,从而实现了林区点云数据精细分类。首先利用迭代稳健内插算法进行末回波点云加权内插,生成近似地表曲面模型,进而适度提升曲面模型建立地形缓冲层,通过对波形增强参数的频率特征分析,选择稳健特征,进行缓冲层内植被和地面回波的精细分类。发现利用高斯混合模型可以较好地反映两类点云分布,从而得到点云分类概率,有效剔除了干扰地面模型的低矮植被信号,对林区0.5米以下近地面层的点云分类起到了根本性的改进,弥补了几何滤波分类算法的缺陷。进一步标记了建筑物和电力线位置,纯化了植被点云数据集,对Li DAR数据提取森林参数提供了更优的数据基础。同时建立了多次回波的激光雷达方程组,论证了多回波是造成波形增强参数不稳健的主要原因,为全波形LiDAR技术的深入研究提出了建议。总的来说,本文围绕新型全波形机载LiDAR林区数据精细分类的目标,从几何定位模型、辐射传输模型和数据应用等多个角度,提出了新的数据解算、信号解译和应用方法,实现了从预处理到数据分类的完整技术框架,落脚于林区精细地面模型生成和植被点云提纯,提高了LiDAR数据质量。本文的研究为全波形LiDAR技术发展前沿提供了新的思路,为精细的森林和植被参数提取创造了良好的技术基础。