激光雷达（Light Detection and Ranging，LiDAR）技术凭借高精度的三维空间信息，在森林资源调查中的应用日益广泛。机载激光雷达(Airborne Laser Scanning，ALS)能够从树冠上层获取森林的树冠结构，提取林分尺度的和单木尺度的林业参数。地基激光雷达（Terrestrial Laser Scanning，TLS）具有探测森林内部三维场景的能力，尤其是精细的林冠下层垂直结构和几何形态结构。因此，机载激光雷达与地基激光雷达结合能够完整地描绘森林垂直结构。本文利用ALS的树冠形态实现了高密度人工林单木分割，利用TLS数据形态特征进行了近地面点云的分类和倒木分割，具体进行了以下工作:　　(1)本文为实现高密度落叶松人工林单木分割提出了一种区域增长分割与树冠形态特征相结合的算法。首先，基于CHM判断冠幅阈值，此阈值用以控制区域增长法分割的单木树冠范围，即基于点云距离的增长规则进行点云分割;随后对区域增长的分割单元构建厚度1.5m的垂直切面，切面点云投影到二维空间后筛选获得最佳切面，利用逐个增加的高斯函数拟合最佳切面的树冠形态，利用残差相关系数阈值(0.9)判断每个单元包含的单木数量。最后，使用K-means聚类实现点云尺度单木分割，并根据实测数据实现株数和树高的精度验证。结合树冠形态的单木分割能够有效提高分割精度，使用孟家岗林场8个落叶松人工林样地进行精度验证，单木分割的正确率在82％以上，单木分割正确率较区域增长法有明显提高。单木尺度估测树高与对应单木的实测树高拟合后得到的相关性R2为0.86，RMSE为3.2m，通过不同树高、不同株密度的样地树高分别验证表明，该算法能够实现高密度郁闭人工落叶松的单木点云分离和树高估测。　　(2)地基激光雷达能够弥补机载激光雷达对林下植被探测能力的不足。本实验利用TLS形态特征实现了近地面1.3m以内地面点、枝叶点、立木点和倒木点的精细分类，并实现了倒木分割与信息提取。为避免点云密度差异和遮挡的形态特征的影响，点云分类时基于自适应临近搜索法计算团块协方差特征值构造3D和2D特征。使用k临近递增的团块协方差特征值得到的线性特征、面状特征和发散状特征构造最大熵函数，用最大熵函数取得最大值时的临近点云计算特征参数，根据递归特征排除法(RFE)筛选重要变量进行随机森林分类。利用自适应kNN特征得到三块研究样地(A、B、C)的分类总体精度分别为93.17％、94.52％、95.16％，相较于固定半径kNN分类精度有一定提高。提取倒木点云去噪处理后进行随机抽样一致圆柱拟合，根据轴线方向进行圆柱的筛选与合并，实现倒木的识别，样地倒木识别率为100％。　　总之，ALS的树冠形态能够有效实现单木树冠的分离，在此基础上能够提取单木尺度的森林参数。TLS形态特征能够实现林下场景的精细分类和倒木分割，因此将二者结合研究将在森林三维场景的完整构建、森林参数的高精度提取、森林资源的精细调查中具有巨大的实用价值和应用前景。