森林是陆地生态系统的主体,为人类的生存和发展提供必要的物质基础。森林资源调查是掌握森林资源数量、质量以及分布状况的重要途径,也是森林经营规划方案科学制定和生态结构调整的重要依据。单木参数获取是森林资源调查的主要工作,为森林生物量、碳储量以及经济生态价值估算提供重要的基础数据。森林地上生物量(AGB)则在森林资源的动态变化、气候变化和碳汇等方面扮演着至关重要的作用。及时准确、快速高效以及低成本的获取单木参数和森林地上生物量一直是林业从业者及研究人员关注的重点问题。传统的森林资源调查多采用抽样调查的方法,需调查人员对样地内所有树木每木检尺,需耗费大量的时间、人力、物力和财力,且调查周期长、效率低。激光雷达(Light Detection And Ranging)具有很强的穿透力,能够获取森林三维空间结构及林下地形的详细信息,进而准确的提取单木参数和估算AGB。本研究主要以北京地区为研究区域,以北方地区常见的11个树种为研究对象,通过移动SLAM激光雷达和地基激光雷达在不同的森林类型下(针叶林、阔叶林和针阔混交林)获取共计12块森林样地的点云数据,针对单木参数因子提取精度和AGB估算做了详细的研究与分析,提出了一种基于点云数据拟合多边形柱体提取胸径的新方法,以及优化了定量结构模型(QSM)算法进行AGB估算。主要研究结论如下:(1)本研究提出的拟合多边形柱体提取DBH法分别采用接触和非接触特征拟合多边形柱体,重建DBH处40 cm和20 cm厚度点云数据的体积进而估算DBH。结果表明非接触特征拟合多边形柱体重建40 cm厚度点云数据估算的DBH值(R~2=0.989;Bias=-1.01 cm,r Bias=-3.78%;RMSE=1.51 cm,r RMSE=5.68%)更加接近于实测参考值,精度更高。(2)移动SLAM激光雷达在GNSS信号弱的林冠下可以准确的提取样地树木位置,并且有较高的调查效率。与全站仪获取的树木位置参考值相比,移动SLAM点云数据提取树木位置的Bias和RMSE分别为0.21 m和0.23 m;与野外实际调查工作效率对比,移动SLAM激光雷达进行单木参数因子获取的效率更高,约为野外实际调查的17倍。结果表明移动SLAM激光雷达可以较为准确的绘制出森林树木位置分布图,在一定程度上解决林冠下GNSS信号弱时树木定位问题,能够满足森林资源调查的实际需要,有在森林资源调查中进一步应用的潜能。(3)基于地基LiDAR获取高密度的森林点云数据,采用最小二乘圆拟合算法从不同厚度点云数据提取DBH,从归一化点云数据中提取树高。地基LiDAR点云数据提取DBH和树高的RMSE和r RMSE分别为1.15 cm和1.30 m,6.08%和9.67%,均满足我国森林资源清查的精度要求。树皮粗糙度对点云数据提取DBH有一定的影响,随着树皮粗糙度的增加,DBH提取精度呈现略微降低趋势,但其差异并不是特别显著。此外,采用最小二乘圆拟合算法提取1 cm、2 cm、5 cm、10 cm和20 cm厚度点云数据DBH的RMSE分别为1.14 cm、1.14 cm、1.13 cm、1.13 cm和1.13 cm,表明一定厚度范围内,不同厚度点云提取DBH的精度并没有显著的差异。研究还发现,与实测参考值相比,地基LiDAR数据提取的DBH和树高总体上均偏小,但提取精度并没有随着DBH和树高值的增大而增加。(4)基于十个树种的100株树优化了QSM算法,然后利用优化的QSM算法直接从单木点云数据中重建三维结构模型,计算模型体积,并结合特定树种的基本木材密度值估算了单木AGB。结果表明,从地基LiDAR数据中估算的树木AGB与模型参考值具有较好的一致性(RMSE=17.40 kg,r RMSE=13.63%,CCC=0.97),十个树种中旱柳和毛白杨的AGB估算精度最高(旱柳:RMSE=16.23 kg,r RMSE=7.74%,CCC=0.99;毛白杨:RMSE=11.62 kg,r RMSE=6.52%,CCC=0.96),油松的AGB估算精度最差(RMSE=24.40 kg,r RMSE=26.79%,CCC=0.59),表明该无损测量方法可以较准确的估算树木AGB。同时,本研究结果将有利于林业管理者制定相关经营管理措施以及较准确的计算森林经济和生态效益,并为使用无损测量方法估算森林AGB的相关学者提供借鉴和参考。