以乔木为主体的森林和环境互相作用而形成森林生态系统,它在涵养水源,防风固沙,物质交换等方面为人类生活提供了重要保障,更在社会经济发展的过程中扮演着重要的角色。我国早在80年代就全面开展森林资源监测工作,通过森林资源信息采集、分析评价以及统一管理,提高森林资源现状调查的有效性、及时性和准确性成为必然的要求。传统人工调查手段进行森林资源监测精度低、效率低、覆盖面积小,已无法适应现代森林监测的需要。随着,监测设备的飞速发展,遥感技术、无人机等领域的完善,如今精细化、高效的森林资源监测时代已经到来。机载激光雷达(light detection and ranging,LiDAR)系统与高分辨率CCD相机的结合,提供了一种新型的数据采集手段。它在主动获取林木三维坐标的同时,还可以获得高分辨率遥感影像,从而可以获得林木的树高、树冠、林木密度等结构信息,因此,基于高分影像和LiDAR点云数据提取森林参数已成为当前研究的热点之一。机载激光雷达采样密度的提高伴随着更多的成本投入,同时遥感技术在树高提取研究仍具有局限性。为高效率、低投入地解决大范围单木尺度上的参数提取问题,避免研究过程中出现误差积累的现象,本文以甘肃省张掖市大野口林区,利用低采样密度点云数据和同步获取的CCD高分辨率影像数据,开展单木树高和单木树冠参数的提取研究。针对高分辨率CCD影像,首先提出一种基于灰度梯度图像分割的树冠提取方法,通过对比罗伯斯、拉普拉斯算子与改进的数学形态学算子,利用目视解译与灰度直方图结合的方法确定了最优算子为改进的数学形态学算子。继而利用改进的数学形态学算子结合面向对象的多尺度分割方法,快速提取大范围单木树冠信息。研究结果表明:在高分影像的灰度梯度图像上进行面向对象分割提取单木冠幅,林木株数精度为83.19%,形状精度达到88.62%,优于传统林业调查精度。其次在提取单木树高研究中:一方面从LiDAR原始点云入手,提出了基于形状指数的距离聚类法对归一化点云分类。在点云数据进行去噪处理的基础上,基于数学形态学滤波结合逆向插值滤波进行点云分类,实现单木树高的估测,结合实测数据相关性分析,树高估测精度达87.88%,取得了理想的效果;另一方面,将点云插值生成DEM与DSM,通过栅格计算实现CHM模型的获取,然后通过CHM叠加树冠矢量图进行单木树高的估测,树高估测精度为82.32%,表明低采样密度生成的CHM可以完成单木尺度的树高提取。综上所述,基于灰度梯度图像分割法在保留影像完整的树冠边缘信息的同时,可以实现大范围、高效的单木树冠提取。虽然森林垂直结构复杂且点云数据为低采样密度,但研究证明了利用形状指数的距离聚类法提取单木树高的可行性。