激光雷达（LiDAR）与光学遥感的根本区别，在于它主动发射激光、记录回波，能「看到」林冠以下的垂直结构。这一特性使它成为林分结构参数反演中不可替代的手段：树高、冠幅、郁闭度、株数，乃至断面积与蓄积，都能从点云中直接或间接提取。
但点云不是拿来就能用。从原始点云到可用的林分参数，中间要经过去噪、地面点滤波、高程归一化、单木分割等一连串处理，每一步的参数设置都会影响最终结果。本文按处理链条逐步拆解。
一、数据源与获取方式
按平台不同，常用的三类数据源各有侧重：
- 机载激光雷达（ALS）：覆盖范围大、效率高，适合区域级林分结构调查，点密度常见每平方米数点至数十点；
- 无人机激光雷达：点密度更高、机动灵活，适合小范围精细调查与样地尺度的补充；
- 地基或背包式激光雷达（TLS、BLS）：从林下视角扫描，可获取树干、胸径等林下信息，常作为地面真值。
作业时关注点密度、多次回波比例与飞行高度三个指标。多次回波能区分冠层、枝干与地面，是后续滤波的基础；点密度过低会导致单木分割失败。目前机载激光雷达已成为森林资源调查的重要手段，其应用与相关要求已被纳入《森林资源规划设计调查技术规程》（GB/T 26424—2026）。
二、点云去噪与配准
原始点云含飞点、鸟点、多路径噪声等。常用去噪方法有统计滤波（按邻域点距与标准差剔除离群点）与半径滤波（按给定半径内最少点数剔除孤立点）。参数取值没有统一标准，通常先目视检查噪声尺度，再设定邻域半径与阈值，宁少剔不多剔——过度去噪会削掉真实树冠顶点，直接影响树高。多站点云（如 TLS）需先做配准，配准残差控制在厘米级。
三、地面点滤波与 DEM 生成
从点云中分离地面点，是生成数字高程模型（DEM）的前提，也是高程归一化的基础。常用算法包括：
- 渐进三角网加密：以少量地面种子点构网，迭代加入满足角度与距离阈值的新地面点，适合地形起伏中等的区域；
- 形态学滤波：按不同窗口大小的形态学开运算估计地面，对窗宽敏感；
- 布料模拟滤波（CSF）：把点云倒置，用虚拟布料下落贴合地面，对参数不敏感、对陡坡适应性较好。
林区滤波的难点在于林下灌草与倒木容易与地面混淆，陡坡区尤其明显。建议对同一区域用两种算法交叉验证，并抽取一定比例剖面人工复核。
| 处理环节 | 常用算法 | 关键参数与说明 |
|---|---|---|
| 去噪 | 统计滤波、半径滤波 | 邻域半径与点数阈值，宁少剔不多剔 |
| 地面点滤波 | 渐进三角网、形态学、CSF | 角度或距离阈值，陡坡区分块处理 |
| 高程归一化 | 点云高程减去 DEM | DEM 需去除树冠残留 |
| 单木分割 | 局部最大值、分水岭、点云聚类 | 窗口大小随林分密度调整 |
四、高程归一化与冠层高度模型
归一化就是用每个点的高程减去该点位的 DEM 高程，得到相对地面的高度。归一化做得好，树高才可靠；DEM 若残留树冠，归一化高度会被整体压低。归一化后，把点云高度插值为冠层高度模型（CHM），作为单木分割与郁闭度提取的输入。插值分辨率一般取 0.5 至 1 米，过粗会抹掉单木，过细则放大噪声。
五、单木分割
单木分割是林分参数提取的核心步骤，主流做法有三类：
- 基于 CHM 的局部最大值法：把窗口内的局部最高点作为树顶，窗口大小随冠幅与林分密度调整，适合单层林；
- 分水岭算法：把 CHM 视为地形，从树顶向下「淹没」分割树冠，能较好处理相邻树冠粘连；
- 基于点云的聚类分割：直接在三维点云上聚类，能利用垂直结构信息，适合复层林但计算量大。
分割参数没有通用值，必须结合样地实测的单木位置与株数反复调参。复层林与高郁闭度林分中，漏分（两株判为一株）与错分（一株判为两株）同时存在，是误差的主要来源。
六、林分结构参数提取
分割完成后即可提取参数，几项关键设置如下：
- 树高：不用单木最大高度（易受噪声影响），而用点云高度的上分位数，如 H95 或 H99，与实测树高的相关性更好；
- 冠幅：由单木分割得到的树冠投影范围计算，取长宽均值或等效圆直径；
- 郁闭度：用冠层点的垂直投影覆盖比例，或按冠幅与株数推算，注意与光学口径的郁闭度定义保持一致；
- 断面积：可由激光雷达提取的树高、冠幅结合样地实测的胸径与冠幅关系间接推算，直接提取胸径需依赖地基雷达；
- 株数密度：由分割得到的单木数量除以样地面积。
这些参数通常是「样地实测—点云反演」的建模对象：用足量样地建立关系式，再把点云参数扩展到全域。相关成果可直接用于森林资源调查，也与森林经营方案编制：从小班区划到经营措施落图中的林分分析相衔接。
需要区分的是，树高、冠幅、郁闭度属于可直接提取的参数，而断面积、蓄积与生物量属于间接推算的参数，后者的精度高度依赖地面样地关系模型。实务中通常把直接提取的参数作为中间量，先建立它们与实测胸径、断面积的经验关系，再据此推算蓄积。这样分层处理，比一步到位地「从点云直接算蓄积」更容易控制误差，也便于追溯问题出在哪一环。
七、精度控制要点
激光雷达反演林分参数的精度，取决于三个环节：点云质量（密度与穿透性）、滤波与归一化的正确性、单木分割的准确度。质量控制上建议：
- 样地实测与点云提取严格空间配准，避免「错位比对」；
- 把树高、郁闭度等参数与实测值绘图对比，检查是否存在系统性偏差；
- 分林型统计误差，不要把不同林型的误差混在一起汇报。
还有一点容易被忽视：点云时相与地面样地实测时点应尽量一致。若点云是夏季采集、样地是冬季实测，落叶树种的树高、冠幅会发生系统性差异，模型精度会被无谓地拉低。作业计划应把两者安排在同一生长季内。
需要提醒的是，不同林型、不同地势下同一算法的表现差异很大，任何「一套参数打天下」的做法在复层天然林里都会失效。
结语
激光雷达点云处理是一条环环相扣的链条：去噪与滤波决定地面与冠层的分离质量，归一化决定树高的可靠性，单木分割决定株数与冠幅的准确度。链条上任何一环放松，最终参数都会偏离实测。把参数与样地绑在一起反复校准，是唯一稳妥的做法。
福州木源纪林业生态科技有限公司承接森林资源调查监测与激光雷达数据应用类业务，可开展点云处理、林分结构参数反演与专题成果编制。欢迎就本文涉及的技术细节与我们交流，也欢迎有相关需求的单位通过联系我们页面洽谈。