精确的森林参数图能够提供丰富的森林资源信息,有助于森林可持续经营决策,机载激光雷达作为一种新型技术手段,已经广泛用于各个尺度的森林参数估测与制图。本研究以物种丰富、景观复杂的中国南部一个面积为23.76万km~2的亚热带区域为研究区,基于机载激光雷达数据和样地实测数据,根据样地激光点云垂直分布和由点云高度—覆盖度频率分布拟合得到的连续冠层垂直剖面,采用目视解译方法对松树林、杉木林桉树林及阔叶林的垂直结构进行分类。利用基于规则的穷举法建立了各个垂直结构类型的林分蓄积量、断面积、平均高及平均直径独立估计的乘幂模型。并针对松树纯林及杉木纯林,采用多元非线性误差变量联立方程组,建立了林分平均高、断面积和蓄积量的联立方程组,并与独立估测模型进行了比较分析。结果表明:1)未分类时,松树林蓄积量、断面积、平均高及平均直径估计模型的相对均方根误差r RMSE分别为21.01%、19.04%、10.76%、20.57%,杉木林分别为22.02%、22.27%、13.73%、19.19%,桉树林分别为19.13%、18.30%、9.08%、11.40%,阔叶林分别为36.19%,30.00%、16.43%、26.77%。2)通过冠层垂直结构分类后,森林参数估计模型的Li DAR变量的解释率均高于不分类时的变量解释率,模型的r RMSE较不分类的r RMSE减小,按样地数量加权平均计算,松树林蓄积量、断面积、平均高及平均直径的原始垂直结构分类的相对均方根误差r RMSE较不分类的分别减少了21.64%、16.93%、13.13%及14.75%,杉木林分别减少7.99%、18.32%、14.93%、3.88%,桉树林分别减少1.30%、1.66%、6.65%及3.86%,阔叶林分别减少14.59%、14.06%、1.10%、21.28%。3)将各森林类型的原始垂直结构类型聚合为2个类型后,蓄积量、断面积、平均高及平均直径估计模型的精度较不分类时的精度均得到一定程度的提高,按样地数量加权平均计算,松树林分别提高了10.75%、5.93%、10.22%、10.73%,杉木林分别提高了8.19%、17.27%、11.52%、3.88%,阔叶林分别提高了4.87%、5.54%、4.49%、5.55%。4)联立方程组中杉木林和松树林蓄积量、断面积和林分平均高模型的r RMSE较独立估计增大不超过5%,估计值的平均相差小于±2.0%,但大部分存在显著性差异。5)各个联立方程组间的表现十分接近,估测结果基本上不存在显著性差异,以林分平均高和断面积为内生变量估测蓄积量的联立方程组表现略好。在大区域机载激光雷达森林资源调查监测中,通过冠层垂直结构分类后建模有助于提高森林参数估测精度,且分类的类型越多,估测精度提高的程度越大。而联立方程组确保了各个森林参数之间确定的数学关系,符合森林计测理论基础,更有利于森林资源管理与应用。