随着全球气候变暖趋势的加剧,人们普遍认识到解决气候问题的紧迫性。森林固碳已经成为世界各国减缓气候变化的主要途径之一。在研究森林生态系统与碳循环之间关系的过程中,森林资源的调查具有关键性意义,获取森林树木参数可以为制定全球气候变化减缓政策提供理论支撑和依据。如何从复杂的森林结构中提取准确的林木参数成为当下研究的热点问题。地基激光雷达可以采集到详细的森林内部信息,在提取林木内部参数方面具有显著优势。因此,本文采用地面激光雷达点云数据进行林木参数的提取。在参数提取过程中主要包含三个重要步骤:点云滤波、单木分割及林木参数估测。本文论文的研究工作主要包括以下三个部分:1提出一种基于地基LiDAR点云的多尺度滤波方法。点云滤波是从点云数据中提取地面点的过程。在复杂的森林场景下,现有的滤波算法普遍存滤波阈值难以确认,地形细节无法保留,滤波精度的不稳定的问题。为解决此类问题,本文滤波方法在多尺度窗口下,采用最小二乘曲面拟合法对地面种子点进行曲面拟合,渐进构建数字地面模型,结合形态学开运算逐步获取准确地面点云数据。本文选取三组不复杂度下的森林数据进行实验,可得出三组样本数据的平均总误差为1.07%,表明该方法适用于森林场景下地基LiDAR点云数据的滤波,可获得较好的滤波效果。2提出一种基于连通性标记优化的单木分割方法。单木分割是从点云数据中提取单棵树木,是后续林木参数估测的重要基础。目前,现有的单木分割算法存在提取不准确和提取速度慢的问题。为减少单木提取的误差,本文提出利用小窗口下局部最大值的连通性确定标记点,并采用分水岭算法实现单木的初次提取。最后,利用树木的密度等高线特性对欠分割的树木进行二次提取,得到最终的单木分割结果。实验结果表明,在三组不同复杂度的样本区域上,本文单木分割方法与传统的基于标记的分水岭算法和Meanshift算法相比,提取的精度都更为准确。3对林木参数的估测方法进行研究。森林树木参数是林业调查的重要测量内容,是评估森林生长情况的重要指标。本文对树木的高度、胸径、位置以及冠幅四种参数进行估测,为深入研究林木参数估测方法提供参考。本文利用单木点云数据的顶点和最低点计算树高。通过最小二乘圆拟合法和霍夫变换法提取胸径,并将拟合树木的胸径圆的中心点视为树的位置。对于树木冠幅的估测方法,本文使用传统估测方法和凸包法对树木冠幅进行求取。最后,在三组实验数据中各任选取10棵树木的参数估测结果进行展示。