激光雷达(Light Detection And Ranging，LiDAR)是一项通过由传感器所发出的激光来测定传感器与目标物之间距离的主动遥感技术。自20世纪60年代末世界第一部激光雷达诞生以来，机载激光雷达技术成为一种重要的航空遥感技术，它用于估测森林参数的研究始于80年代中期，并为越来越多的学者所关注。机载激光雷达技术通过主动获取三维坐标信息来定量估测森林参数，尤其在估测林木高度及林木空间结构方面具有独特的优势。国外许多研究已经证明机载小光斑LiDAR数据在森林资源调查中的重要性，通过激光扫描数据可以准确地估测林分特征，如树高、胸高断面积以及林分蓄积量。而国内由于受数据源的限制，LiDAR数据在林业中的应用研究处于起步阶段。鉴于此，本研究用863计划“遥感区域综合应用示范”项目获取的LiDAR数据和数码相机影像相结合，进行林分和单木水平的林木参数反演。主要研究内容包括：1)通过阅读大量参考文献，认真总结当前国内外的研究现状和进展，深入分析LiDAR数据反演森林参数的主要算法，指出有待进一步解决的关键技术，并对LiDAR技术今后的发展趋势及应用前景进行展望。2)数码相机影像是高空间分辨率的真彩色影像，研究用传统摄影测量和LiDAR数据生成DEM的方法对影像进行正射纠正，认为LiDAR数据在获取数字高程模型(DEM)方面具有优势，从而可以简单、快速、准确得实现影像正射校正。3)对研究区的LiDAR点云数据进行滤波和分类。根据地形特点、地表植被状况以及其它地类的分布，研究采用Tin Filter、Polynomial Filter、Planner Filter、Z Clip Filter、Z Proximity Filter等算法进行滤波，并对分类后的植被点云数据与同步获取的数码相机影像进行叠加以目视检验分类效果。4)采用植被激光点云数据不同高度处的分位数作为统计变量，建立与林分平均高的关系，进行林分平均高反演。研究结果表明上四分位数处的高度(Percentile 75)与实测树高的关系最好，并与实测树高进行相关性分析，建立回归方程，平均估测精度达到90.59％。5)用面向对象的方法对高空间分辨率(25cm)的数码相机影像进行单株木检测。通过多尺度、树冠模式的分割创建影像对象和类层次，用最邻近距离和成员函数法进行影像对象的分类，并基于分类结果进行再分割。对分割后的树冠多边形进行边缘优化，以准确识别单株木。6)对LiDAR数据插值生成的数字地表模型(Digital Surface Model，DSM)和数字高程模型(Digital Elevation Model，DEM)进行差值运算生成树冠高模型(Canopy Height Model，CHM)，与数码相机影像分割后产生的树冠多边形进行叠加，计算单株树冠多边形内CHM的最大高度值作为单株树的树高。用LiDAR估测树高和实测树高进行相关性分析，并建立回归方程，平均估测精度为74.89％。