叶面积指数(Leaf Area Index,LAI)作为一个关键的冠层结构特征,是各种生态和生物化学模型的重要输入变量,控制着植被的生物、物理过程,如光合、呼吸、蒸腾、碳循环和降水截获等,因此准确、快速和客观地获取LAI至关重要。机载激光雷达(airborne laser scanner,ALS),可以直接获取大面积森林垂直和水平结构参数,因此广泛应用于估算树高、生物量和叶面积指数等森林结构参数。本文以东北林业大学帽儿山实验林场设置的3种森林类型(针叶林、阔叶林、针阔混交林)的8块大样地,每块大样地40个LAIe测量点为研究对象,分别对各样地ALS点云数据进行地面和植被点分类,基于比尔-朗伯定律(Beer-Lambert Law)定律利用ALS点云数据回波数计算的3种激光穿透指数(Laser Penetration Index,LPI).和校正前后回波强度计算的LPI实现了森林LAI的反演。结果发现基于回波数计算的3种LPI可以有效地反演森林LAI,且反演精度差异不大。基于距离校正后的回波强度计算的LPI可以明显提高LAI的反演精度。本文利用上述LPI反演不同森林类型LAI,结果表明反演精度呈现阔叶林最高(R2=0.884-0.914)、针阔混交林次之(R2=0.871-0.895)、针叶林最低(R2=0.797-0.859)的趋势,但总体反演精度较高(R2=0.8417,RMSE=0.156),因此,可用ALS数据实现不同森林类型LAI高精度反演,为今后生态环境研究提供可靠的大面积基础数据。