LiDAR（Light Detection and Ranging）是一种利用全球定位系统、惯性测量装置、激光扫描测距系统和成像装置，对被测物体表面信息进行测量的技术。作为一种新兴技术，LIDAR技术具有自动化程度高、数据生产周期短、受外界环境影响小、精度较高等优点。但是LiDAR技术获取的点云数据量巨大，在构建不同尺度的DEM时，大量的点云数据对于提高DEM精度没有明显的作用，反而会导致数据处理速度急速下降。因此对LiDAR点云数据进行抽稀简化很有必要。　　在LiDAR点云简化过程中，点的取舍准则直接决定保留点的分布和质量状况。一般情况下，点的取舍准则是基于地形特征设定的。目前大多数的LiDAR点云简化算法都是基于单一地形特征因子实现点云简化，但是单一地形特征因子无法全面综合地描述地形特征，故提出一个可以综合评判地形特征的地形复杂度指标是至关重要的。　　本文选取坡度S、地形起伏度Cur、地形粗糙度Rel和全曲率Rou四个单一地形因子指标，采用主成分分析方法，提出地形复杂度指标模型，构建了一个地形复杂度指标C，并得到C与S、Cur、Rel和Rou之间的经验公式。选取具有典型地形特征的实验区域，计算C，得到C与地形特征的对应关系。最后选取实验区域对地形复杂度指标与地形特征之间的对应关系进行验证，实验结果表明，构建的地形复杂度指标能够有效地描述地形特征，且与地形特征之间的对应关系是合理的。　　基于构建的地形复杂度指标C，本文提出了一种新的LiDAR点云简化方法TCthin。TCthin方法根据设计的点云采样准则，基于包围盒算法原理实现点云简化。实现思路是首先基于低分辨率DEM计算C值;然后根据目标简化尺度对LiDAR点云数据划分简化格网，并与C值相关联;最后根据C值决定点云的取舍，当0＜=C＜0.5时，每个简化格网上保留高程Z均值点，当0.5＜=C＜1.5,每个简化格网上保留高程Z最大值点和高程Z最小值点;当C＞=1.5,每个简化格网上保留高程Z最小值点，高程Z均值点，高程Z最大值点。　　通过实验对TCthin方法进行分析和评价。将TerraScan软件中的Thin points方法和Lastools软件包中的Lasthin方法作为TCthin方法的对比对象，选取八个实验区，在三种简化级别上实现点云简化。计算简化后每个数据集的简化率，根据点云简化率对TCthin方法点云简化程度进行评价;采用反距离权重插值方法生成DEM并计算均方根误差RMSE，根据RMSE值对TCthin方法的点云简化质量进行评价。实验结果表明，在点云简化程度方面，本文提出的TCthin方法能够有效地去除冗余点，实现点云的简化;在点云简化质量方面，在相同简化率水平上，本文提出的TCthin方法明显优于Lasthin和Tscanthin方法;在同一数据集中，三种简化方法的点云简化质量与点云简化率均呈现负相关关系。　　综上所述，本文构建的地形复杂度指标能够综合全面地描述地形特征，提出的基于地形复杂度的LiDAR点云简化方法能够有效实现LiDAR点云简化，改善点云简化质量，在不同简化级别、不同地形特征区域具有良好的适用性。本文研究成果对于地形特征描述，LiDAR点云数据简化以及构建高精度DEM等方面具有一定的参考价值。