激光雷达(Light Detection and Ranging,Li DAR)技术作为一种主动遥感技术,尤其在森林高度及其垂直结构方面,能获取高精度的三维空间信息。利用Li DAR数据进行森林结构的定量描述,对开展森林研究具有重要意义。基于静态地基激光雷达点云数据,使用人工交互点云分割算法提取单木点云,结合树干及树冠点云,进行单木结构参数,如:树干位置与胸径、树高与树冠直径、树干收缩度、树干倾斜度与倾斜方位角的求算。利用单木树干点云,对其二维平面展开进行点云转换,使用一阶、二阶统计分析进行纹理参数的求算,分别求取一阶统计分析中的平均值和标准方差,使用灰度共生矩阵进行能量、对比度、相关性和均匀性四个特征参量求算,以此对纹理特征进行定量化描述。结合求取的单木结构参数和纹理参数进行树种分类的探究。首先,分析基于单木结构参数的分类研究,只单一依靠某一参数不能将树种分开,但初步得出结论树干收缩度可作为分类因素之一。因此,引入了支持向量机分类法,综合比较,选择三次多项式核函数的SVM分类器进行分类。双因素分析时,因素之一为树干收缩度时,分类的漏判率均较低;多因素进行树种分类的整体正确率均高于双因素,基于TLS点云使用结构参数的单木分类是可行的。其次,基于一阶统计分析的平均值和标准差进行树种分类,总正确率只有58%,使用灰度共生矩阵的四个特征参量,结合SVM分类器进行树种分类,最终的精度比一阶统计分析有了提高,达到70%。局限于实验区及所采集树种信息,虽正确率较好,但只结合TLS点云的树种分类探讨还需要进一步的研究。综上所述,基于TLS点云的单木结构参数提取方法和结合TLS点云进行纹理特征的定量描述经验证是初步可行的。基于单木结构参数和纹理参数,使用支持向量机的分类器进行树种分类研究,较多因素时的分类精度高。因此,该研究工作在森林资源调查中具有较好的应用前景。