林木结构参数(树高、胸径及冠幅)是森林蓄积量和生物量估算中不可或缺的参数。传统的林木结构参数获取均采用人工测量方法，这不利于获取估算大面积生物量所需的参数。随着激光雷达技术研究的深入和应用领域的拓展，发展基于激光雷达的森林遥感生态测量学研究将有利于提高森林生态参数的快速获取能力。　　 本文通过对试验区航空激光雷达和地面激光雷达的点云数据进行研究，探索激光雷达在森林结构参数测量研究中的关键技术问题，主要研究内容和结论有：　　 1.采用数学形态学滤波算法对航空激光点云数据进行滤波处理，生成数字地形模型(DEM)，与实测GPS点的相关性较高，相关关系为0.98。与其他滤波方法相比，数学形态学滤波算法能够更好地保留微地形特征。　　 2.基于冠层高度模型(CHM)，采用局部最大值滤波算法进行单株树检测并提取树高。提取的树高与实测树高相关关系为0.90，且基于CHM提取的树高相对于实测值大多偏低。　　 3.基于冠层高度模型(CHM)，分别采用回归分析和分水岭分割算法提取树冠，并采用实测数据进行精度验证。两种方法所得的树冠冠幅值与实测值的相关关系分别为0.80和0.82，与树冠冠幅实测值相比，采用回归分析提取的树冠冠幅大多偏低，而基于分水岭分割算法提取的树冠冠幅大多偏高。　　 4.通过引入激光点云的强度信息实现激光点云数据与光学影像的配准。利用SIFT(Scale Invariant Feature Transform)算法提取配准所需的特征点，随机选取20个点进行配准精度评价，其均方根误差为0.47。　　 5.在激光点云采样密度不足的情况下，利用面向对象分割算法从光学影像上进行树冠分割，提取冠幅信息。结果表明结合光学影像提取的冠幅值与实测值的相关性增强、差异减小，相关系数增加到0.90。　　 6.提出地面激光雷达快速获取森林三维场景数据的策略，基于ICP(Iterative Closet Point)算法进行多站数据配准研究。站内、站间的配准精度均值分别为0.32cm和0.38cm，方差分别为0.6cm和0.73cm。　　 7.基于地面激光雷达点云数据提取高精度DEM以及单株树高、胸径的算法研究。提出了树高与胸径自动提取的方法，采用体素内最大值与最小值之差提取树高以及圆拟合方法提取胸径。　　 主要创新点有：　　 1.提出利用渐变的结构元素滤除不同的地物类型，以两次结果单元操作的差值为判断条件，引入高度阈值差直方图进行高度阈值的设定，对数学形态学滤波方法进行改进。　　 2.提出了激光点云数据与光学影像配准的新策略，引入激光点云的强度信息，通过强度信息模拟生成的影像与光学影像之间的配准来实现激光点云数据和光学影像的配准，并且给出了配准所需控制点的自动提取算法。实现了激光雷达点云数据与光学影像数据的自动配准。　　 3.提出了利用地面激光雷达提取树高与胸径的自动算法。探索了地面激光在森林结构参数测量中的应用方法，主要包括多站点云数据配准方法应用研究，高精度DEM获取研究，以及单株树识别、胸径和树高提取算法研究。