森林资源调查是目前清晰了解国家森林生长变化情况的重要手段。调查的森林关键参数包括树高、胸径、冠幅和森林郁闭度、蓄积量等。由于传统接触式野外实地测量和基于有限分辨率的遥感影像获取森林参数的方法不能适应精准林业和信息化发展的要求,当前基于三维点云数据估算森林关键参数成为林业遥感的研究热点。为综合描述森林结构,精确、快速的估算森林关键参数,本文以福建省将乐县亚热带森林二类调查样地为示范区,研究基于地面激光扫描(TLS)点云和无人机(UAV)影像点云数据提取森林关键参数的方法。主要研究内容和结论如下:(1)样地点云滤波算法的研究。利用不规则格网将样地地面点和非地面点分离,插值生成的样地DEM精度满足参数提取的要求。这是获得样地树冠高度模型(CHM)的基础。(2)基于TLS单站点云数据的森林样地关键参数提取。基于27个TLS单站扫描的森林二类样地点云数据,分析评价了单木尺度上拟合圆柱算法和点云高度阈值方法分别提取的样地单木树高、胸径,以及估算样地蓄积量的精度;通过构建胸径-树高预测模型,有效提高了树冠点云缺失样地单木树高等参数的估算精度;评估了利用样地CHM与样地面积的比值直接估算样地郁闭度方法的精确性。结果表明,样地平均树高、平均胸径、蓄积量以及郁闭度的估算结果与样地野外实测平均值之间具有明显线性相关关系,不仅高效,而且总体精度满足林业样地调查的精度要求。(3)基于TLS单站点云的针叶林样地多木树高、胸径的自动提取。为加快森林样地参数提取效率,选取14个点云质量较好的针叶林样地为试验样地,利用最小分层分割算法实现了样地样木的自动分割并同时提取树高、胸径。实验结果表明,对于正确分割的样木,其参数估算精度达90%左右。(4)结合UAV影像点云与TLS点云数据并提取样地单木树高、冠幅并计算郁闭度。对于较低郁闭度样地,基于单一 UAV影像点云数据,采用改进的局部极大值、极小值算法可以有效提取单木树高和冠幅。为解决高郁闭度的成林树高提取困难的问题,将其UAV影像点云与该样地的TLS点云数据结合,通过特征点匹配实现两种数据坐标的统一。研究结果表明,基于结合的数据,其参数估算精度比单一数据估算的参数精度明显提升。这种方法可同时从地面和空中两个方向来描述森林样地区域,为更全面、更精确的估算亚热带高郁闭度森林样地的参数提供一种新的途径。