随着智能采伐机在国际上的广泛应用,智能采伐机已成为森林管理大数据的主要来源之一。智能采伐机数据包含单个木段的长度和小头直径,但没有伐桩高度和树梢长度,通过数据已有变量可以计算出伐桩与最后一次切割之间的总长度,但无法计算单株树木的总高度。据此,本文基于智能采伐头记录的原木定制采伐作业数据建立了一个新的单木树高估计模型,即CTL树高模型。论文的主要工作包括(1)通过交互式探索性分析对采伐头数据进行分析及清洗;(2)将具有全树高测量值的干形数据的3099株辐射松树,按采伐头数据结构模拟切割,每株树根据最后一段小头直径的不同对应6种不同切割模式,取得建模所需数据集;(3)建立输入变量为胸径、总材长和最后一段木段小头直径的CTL树高模型,分析CTL树高模型线性、非线性形式下的预测效果,拟合时考虑数据的自相关性和异方差性,并比较不同的拟合方法。最终,推荐使用联立方程组和广义矩估计的方法拟合CTL树高模型线性形式和非线性形式,在留一交叉检验下,CTL树高模型非线性形式的加权均方误差(WMSEP)较其线性形式降低了 1.2%,较对比的Varjo模型非线性形式降低了 11.2%,较Varjo模型的线性形式降低了 20.4%,因此推荐使用本文提出的CTL树高模型的非线性形式对采伐头数据进行单木树高估计。本文对大量智能采伐头数据进行了详细的分析,首次提出了估计单木树高的CTL树高模型,并具备模型形式确定、变量选择、参数估计和检验等模型建立基本要素。该研究是采伐大数据和传统森林经营管理数据融合的基础,具有实际意义。