传统森林空间结构地面测定方法仅能得到一些点上数据，很难及时获取区域范围森林参数的空间分布信息，而快速发展的遥感技术能够满足此应用需求^[1-3]。目前，遥感技术已被广泛应用于林业资源管理、动态监测与分析、灾害监测、预测、评估等领域，遥感图像光谱信息具有良好的综合性和现势性，能够反映森林空间分布的变化特征。但是，大多数遥感传感器只能提供水平方向的信息，垂直方向的信息（例如林木垂直方向的信息）很难从遥感图像中获得，而LiDAR 技术的出现引起了自然资源管理和研究方面的重大变化。激光雷达（Light detection and ranging，LiDAR） 在森林垂直结构测量方面具有无可比拟的优势，将遥 感图像、激光雷达数据与地面测量得到的样点数据相结合，可以更精准地获取大范围森林类型及三维空间结构的分布特征，通过多时相遥感数据序列分析森林结构的动态变化规律^[4]。激光扫描仪发出的激光可以部分穿过植被的空隙到达地面，系统接收植被和地面反射激光，获得森林垂直结构参数。然而，LiDAR 技术自身的相关特性限制了获取的垂直信息精度。有研究表明，在LiDAR数据中，中密度至高密度冠层林的林分高度通常被低估，由于激光脉冲的采样间距，激光脉冲刚好打到树冠顶点的概率相对较小^[5-6]，该因素是影响LiDAR 数据估计参数精度的重要因素。

国内外对基于遥感的森林参数估计均进行了大量的研究，吴楠、李增元、吕国屏、胥喆等多数学者对国内外林业遥感应用的研究概况与进展进行充分的归纳与总结^[7-10]，目前雷达、激光雷达等主动遥感方式是反演林分结构较为有效的方法^[11]，国内许多学者对森林蓄积量的遥感估测开展了大量的研究工作^[11-23]，王雪军等研究了基于遥感大样地抽样调查森林面积监测，实践了遥感样地判读与地面样地抽样调查相结合的大样地调查方法的应用，发现影像分辨率对判读精度影响较大^[24]；韦雪花研究了轻小型航空遥感森林几何参数提取，结果表明，轻小型机载LiDAR 数据和高分航空影像提取的样地尺度的林分平均高、平均冠幅以及单木尺度的树高和冠幅等参数，精度能达到72% ～ 88%^[25]；刘清旺等结合了激光雷达和ALHIS 对湖北典型亚热带森林开展了航空遥感试验，结果分析表明，激光雷达对林分平均高的估测精度达到90.67%，ALHIS 能够获取教高分辨率的植被遥感特征数据^[26]；林怡、陈健、刘鲁霞等利用LiDAR 数据进行单木识别与胸径、树高等数据提取^[27-30]，但提取数据量较大，其算法时间成本较高，因此仍有待提高。总体来说，基于LiDAR 的参数估计效果要高于基于遥感影像的参数估计，因为林业管理者对森林垂直结构（如林冠高度）的估算是最感兴趣的^[31]，而LiDAR 与遥感影像的结合可以提高参数的估计精度^[32]。目前基于LiDAR 数据对森林林冠高度的估测研究已成为一个新的研究热点，国内越来越多的学者相继开展了相关研究工作^[33-37]。

国外多名学者对平均树高与冠层模型高度之间的预期差异开展了详细研究^[38-41]。众多研究表明，使用几何概率来估计给定平均冠幅的激光命中的平均垂直位置，然后将该位置与研究区域林分的实际树高进行比较，并通过将计算的差值与激光估计树高相加来计算平均树高，提高了估计值与实测值的相关性^[39-41]。但这些研究多集中于特定的区域或特定的树种，推广至其他区域或树种需要重新对算法进行验证^[39,42]。

LiDAR 技术在大面积森林作业研究中有着非常突出的成效，然而国内目前开展基于LiDAR 技术在热带地区森林空间结构方面的研究却很少，主要是由于热带地区的森林冠层郁闭度较高，其林下植被复杂多样，这使得LiDAR 在勘测过程中可能会无法完全穿透树枝树叶到达地面而提前反射从而造成估测结果产生偏差。本研究在总结前人大量已有研究成果的基础上，以海南省三亚市热带区域森林为研究对象，并基于LiDAR 点云数据的动态搜索窗口算法，提出了一种改进的冠层估计方法，并提出了LiDAR 数据估计的平均高度与林分平均高度之间的关系，总结出LiDAR 数据估计的平均树高与实地调查平均树高之间的关系，通过这种关系，可以从LiDAR 数据中快速估计其他区域热带森林的平均高度。

三亚市地处海南岛最南端， 地理坐标为18°09′34″ ～ 18°37′27″N、108°56′30″ ～109°48′28″E，东邻陵水，北依保亭，西毗乐东，南临南海，陆地总面积1 919.58 km²；其北靠高山，南临大海，地势自北向南逐渐倾斜，形成狭长状的多角形，境内海岸线长258.65 km，有大小港湾19 个，大小岛屿40 个；市区三面环山，北有抱坡岭，东有大会岭、虎豹岭和高岭，南有南边岭，形成环抱之势，山脉连绵起伏、层次分明；其地处低纬度，属热带海洋性季风气候区，年均气温25.7 ℃，全年日照时间2 534 h，年均降水量1 347.5 mm。境内有中、小河流多达12 条，主要分为中、东、西部三个水系。中部水系以三亚河为主，包括大茅水；东部水系以藤桥河为主，包括藤桥西河和藤桥东河；西部水系以宁远河为主，为三亚第一，海南第四大河。三亚市地表水年总径流量11.5 亿m³，地下水动储量1.42 亿m³，并具有丰富的地热资源。

三亚市动、植物资源较为丰富，有关调查资料显示，境内有植物（含栽培品种）共1 838 种，其中属国家重点保护的野生植物有坡垒、无翼坡垒、红榄李、油楠、青梅、白桫椤等；境内分布的陆生野生动物多达300 余种，其中兽类50 种，鸟类300 余种，属国家重点保护的野生动物有云豹、孔雀雉、海南山鹧鸪、白鹇、穿山甲、猕猴、水鹿等。

实验区域的 LiDAR点云数据经过系统的处理，本次选择阈值大小为 0.2 m。将最后所得到的激光点进行内插，格网间距为 2 m，即可得到较为精确的 DEM、DSM：经过 DEM提取、 DSM提取、 IDW插值、 CHM生成、平均树高计算等步骤，得到了实验区域的 DEM、DSM、CHM、单株树木位置估计图等。如下图所示：

图4 原始点云数据 (Z值渲染 )
Fig.4 Raw point cloud data (Z-value rendering)

图5 DSM渲染图像及图例
Fig.5 DSM rendering and illustration

根据 CHM提取平均树高，与核实采样点进行对比分析。通过设置不同的最低树高，平均树高的估计结果如表1所示：

图6 DEM渲染图像及图例
Fig.6 DEM Rendering and illustration

图7 CHM渲染图像及图例
Fig.7 CHM Rendering and illustration

图8 单株树木位置与数量的估算
Fig.8 Estimation of location and quantity of single tree

表1 LiDAR点云数据提取平均树高
Table 1 LiDAR point cloud data extraction average tree height (m)

图9 不同最低树高设置下 LiDAR平均树高计算
Fig.9 Calculation of LiDAR average tree height under different minimum tree height setting

通过表1可以得出以下结论： LiDAR点云获得的树高比实际值低。由于 LiDAR数据树顶的错失及点云的低密度，树高被低估 0～ 2 m。按以上统计结果，通过最低树高的值不断增加，实测值与估计值的差值逐渐缩小，最低树高设置为 6 m时，差值为 0 m。此表分析结果可作为经验值，用于后期 LiDAR数据树高改正。

造成 LiDAR数据估计的树高比实际低的可能原因分析如下：

（1）树顶采集点缺失。由于激光采样密度的原因，树顶可能不会被激光打到，形成采集数据树顶缺失，造成估计树高偏低。

（2）激光无法完全穿透树枝树叶到达地面。虽然激光有一定的穿透性，但是对于在热带森林地区树枝茂密、林下低矮植被繁盛的情况下，较难到达实际地面，大部分被提前反射，同样造成估计树高偏低。

基于以上因素，后期推广利用 LiDAR数据估计平均树高时，应进行相关实地外业核查，获得相关改正数，使估算结果更加精确。

本研究提出了一种大面积森林区域机载激光扫描仪冠层表面重建和森林参数预测方法，改进了激光雷达数据处理的动态搜索窗口算法，并用 C#、ArcGIS等软件进行了编码实现。研究选择三亚市福万水库北侧山地 50 hm²的热带森林作为试验区，并将估算结果与现场实测数据进行了比较验证。结果表明，经过算法的改进，大面积森林的 DEM、DSM模型均可以从 LiDAR数据中快速提取，且能够较好地重建森林冠高模型；并从 CHM中提取估计森林平均树高，发现 LiDAR点云获得的树高比实际值低，实际树高被低估 0～ 2 m，但最低树高的值在不断增加时，其实测值与估计值的差值也在逐渐缩小。

本研究利用试验区低密度 LiDAR数据开展了大面积森林的数字地面模型（ DEM）、数字表面模型（ DSM）和冠高模型（ CHM）的提取方法研究，发现激光雷达技术在估测大面积山区热带森林参数方面是可行的，未来可以将其集中应用在更多的参数如森林冠幅、冠层密度、生物量及蓄积量等指标的估测和改进方法中。机载激光雷达技术是目前提取信息技术途径的关键之一，我国在这一研究领域仍存在许多技术难题，本研究中在数据源使用和研究方法选择上仍有待进一步深入探索完善，还存在许多需要解决的问题。主要体现在以下几个方面：

（1）研究所采用激光点云的密度仅为 1.51个 /m²，密度较低。对比高密度（大于 3个 /m²）点云数据在树冠模型等林木参数提取时效果稍差，说明点云密度对林木参数提取精度仍有一定的影响，然而如果一味地增加点云密度则数据获取成本也会大大增加，且点云数据的采样密度和数据处理过程中各种参数的设置均会对结果产生一定的影响 ^[47]。因此，定量地分析点云密度与森林冠高模型、林分平均高估测精度之间的关系，对优化在森林资源调查应用中 LiDAR系统参数的设置调配具有一定的指导作用。

（2）不同的森林类型、海拔、坡度、坡向等均与林木参数有密切的相关，在进行森林冠层表面重建和参数预测反演时，应将海拔、坡度、坡向等因素考虑到模型中。

（3）需要不断的改进与更新点云提取方法和 LiDAR数据算法，使其具备更高的识别精度与效果，提高估测精度，且同时兼具低时间成本的算法，大大增加LiDAR数据替代部分人工样地调查的可能性。