精确地提取地面高程和植被冠层高度，对于地形地貌、生态学等方面的研究具有重要意义。2018年12月发射的新一代全球生态系统动力学调查雷达（GEDI）为地面高程和植被冠层高度大范围精确提取提供了前所未有的机会。研究旨在利用机载激光雷达数据验证GEDI提取的地面高程和冠层高度精度，并探讨地理定位误差、地形坡度、坡向、植被覆盖度、方位角、采集时间、光束类型和不同森林类型因素对其精度的影响。结果表明：通过校正GEDI数据地理定位误差，可以明显提高其提取的地面高程和冠层高度精度；影响冠层高度提取精度最主要的因素是植被覆盖度，其次是坡度；影响地面高程提取精度的主要因素为坡向、坡度。植被覆盖度大于25%时，数据精度更高；坡度为0°—5°的缓坡地区地面高程和冠层高度精度最高。该研究结果将为GEDI数据筛选与应用提供依据。

背包式激光雷达（Backpack Laser Scanning， BLS）在森林资源调查中具有很大的应用潜力，但在复杂地表情景下，单木材积和林分蓄积量提取精度存在较大不确定性。以广西高峰林场为研究区，利用随机森林方法，基于BLS点云数据对单木材积和样地蓄积量进行估测。首先，对BLS点云进行单木分割，提取单木胸径（DBH）、树高（H_tree）、冠幅直径（CD）、冠幅面积（CA）、冠幅体积（CV）、郁闭度（CC）、间隙率（GF）和叶面积指数（LAI）共8个特征参数，并计算56个分层高度指标（高度百分比、累积高度百分比、变异系数、冠层起伏率等）。然后，通过随机森林算法构建单木材积估测模型，并对比各种参数组合的预测精度。得到结果： ①仅用8个单木结构特征参数进行建模，估测精度为： R2=0.83、RMSE=0.097 m³； ②加入分层高度指标的模型估测精度有所提升： R2=0.87、RMSE=0.087 m³；③通过Boruta算法进行变量筛选，输入参数从64个减少至52个，估测精度差异不大： R²= 0.87、RMSE=0.087 m³；④样方蓄积量估测精度为： R²=0.97，RMSE=0.703 m³·ha^-1。结果表明，基于BLS点云建立随机森林单木材积估测模型可以较好地估测单木材积，样方蓄积量估测精度高。

人工林资源的精准监测是提升人工林培养质量、可持续经营管理水平及准确估测人工林碳储量的前提。使用机载激光雷达可获取高精度的森林冠层结构信息，然而，只有在同一森林区域获取多期激光雷达点云并进行精准匹配的基础上，才能有效实现人工林资源的动态监测。针对人工林树种单一、排列规整，缺乏纹理特征等特点，基于树木的相对空间关系，创建了一种高鲁棒性的多期机载激光雷达人工林点云匹配算法。首先，利用地面点进行z轴配准，并对两期点云进行单木分割，获取树位置和高度信息，并根据树木水平及垂直方向的相对关系提取单木匹配特征；其次，建立合适的相似度函数，结合单木匹配特征构造加权二分图模型，并使用最大权匹配算法得到两期树木对应关系；最后，使用奇异值分解求解最优变换矩阵，完成配准。通过在江苏省沿海典型人工林研究区（主要树种为杨树和水杉）进行试验验证，结果表明：该匹配算法在水杉和杨树的典型样地中配准效果均较好，其中水杉样地（配准后RMSE=42.5 cm）配准结果优于杨树样地（配准后RMSE=58.8 cm）。该算法能够有效提升多期机载激光雷达人工林点云的匹配精度，并为人工林的动态监测（特别是单木尺度的砍伐和生长等信息获取）提供了技术前提。

叶面积指数（Leaf Area Index， LAI）是作物长势监测及产量估算的重要指标，准确高效的LAI反演对农田经济的宏观管理具有重要作用。研究探索了联合无人机激光雷达（Light Detec-tion and Ranging， LiDAR） 和高光谱数据反演玉米叶面积指数的潜力，并分析了LiDAR数据不同采样尺寸、高度阈值、点密度对LAI反演精度的影响同时确定三者的最优值。该研究分别从重采样的LiDAR数据和高光谱影像中提取了LiDAR变量和植被指数，然后基于偏最小二乘回归（Partial Least Square Regression，PLSR）和随机森林（Random Forest， RF） 回归两种算法分别利用LiDAR变量、植被指数、联合LiDAR变量和植被指数构建预测模型，并确定反演玉米LAI的最优预测模型。结果表明：反演玉米LAI的最优采样尺寸、高度阈值、点密度分别为5.5 m、0.55 m、18 points/m²，研究发现最高的点密度（420 points/m²）并没有产生最优的玉米LAI反演精度，因此单独依靠增加点密度的方法提高LAI的反演精度并不可靠。基于LiDAR变量获得的LAI反演精度（PLSR：R²=0.874，RMSE=0.317；RF：R²=0.942，RMSE=0.222）高于基于植被指数获得的LAI反演精度（PLSR： R²=0.741，RMSE=0.454；RF：R²=0.861，RMSE=0.338），而使用组合变量构建预测模型的反演精度（PLSR：R²=0.885， RMSE=0.304；RF：R²=0.950，RMSE=0.203）优于使用单一变量建立的LAI预测模型，其中利用联合LiDAR变量和植被指数建立的随机森林回归模型为最优预测模型。因此，将两种数据源融合在提高植被LAI反演精度方面具有一定的潜力。

国产风云系列卫星可为全球范围内大气、陆地和海洋的遥感监测提供重要数据支撑，由于光学卫星影像不可避免受到云覆盖的影响，通过云检测获取准确的云掩膜是风云系列卫星影像精细处理与应用的关键。现有的云检测方法大多采用简单高效的阈值法，然而由于传感器光谱响应以及不同场景云覆盖下垫面的辐射差异，在缺少大量真实云覆盖标记情况下，现有方法往往难以确定最优的检测阈值。鉴于此，提出了一种阈值自适应的云检测方法（TACD），顾及传感器波段特性以及云覆盖下垫面差异，设置不同场景下的多通道阈值测试，包括反射率及反射率组合测试、亮度温度测试、亮度温度差异值测试、卷云测试等，联合具有高精度云层信息的激光雷达数据构建全球范围的云检测样本集，实现基于样本集真实云标记的迭代阈值优化，最终基于最优的阈值进行云检测。以风云三号（FY-3D）MERSI-II影像为例，联合CALIOP云层数据构建全球范围的云检测数据集，并将所提出的TACD方法云检测结果与官方云掩膜产品进行对比，结果表明该方法较官方云检测算法精度有明显提高，其中平均交并比从80.35%提升至84.09%，召回率可达92.67%，具有业务化应用的潜力。

针对不同树种的树叶疏密及空间结构不同，提出基于激光点云数据，顾及冠层叶面积密度的树木三维绿量（Living Vegetation Volume， LVV）计算方法。该方法首先根据树木局部点云的主方向相似度和局部点云轴向分布密度分离枝干与树叶，剔除非光合作用成分，提取树叶点云；然后建立体元模型，引入Graham算法确定分层树冠边界，获取激光接触频率，从而基于体元冠层分析（Voxel-based Canopy Profiling， VCP）方法求出冠层叶面积密度（Leaf Area Density， LAD）；最后分层棱柱体积乘以叶面积密度，累加得到树木的三维绿量。利用Riegl VZ-400地面激光扫描仪获取13棵不同形状和树种的树木点云数据，利用该方法估算各树木三维绿量，并与传统的凸包法和台积法的结果对比。实验结果表明，台积法计算的三维绿量值最大，凸包法计算的三维绿量次之，顾及冠层叶面积密度的树木三维绿量方法计算的三维绿量值最小，为台积法的36.69%，为凸包法的47.80%。相比传统方法，顾及冠层叶面积密度的树木三维绿量计算方法侧重光合作用组分叶片点云的统计，并考虑了树冠内部树叶分布情况，更符合树木的实际情况，能充分利用三维点云数据特性，反映树冠内部三维绿量分布。

遥感高程数据是获取缺资料地区DEM（Digital elevation models）数据的重要手段。然而，由于高寒山区实地高程测量稀少，难以对多源遥感DEM数据进行统一验证。ICESat-2等新的遥感高程数据在高寒山区也缺乏相应的精度评估。针对此问题，以青藏高原东北缘的冰沟流域作为研究区，采用机载航空遥感获取的大范围LiDAR（Light Detection And Ranging）DEM数据对新产品ICESat-2 ATL06（Ice， Cloud， and Land Elevation Satellite-2， Land Ice Height）、ALOS DEM（12.5 m分辨率）以及新版本SRTM V3（SRTM Arc-Second Global 1 V003）、ASTER GDEM V3（ASTER Global DEM）进行验证，并分析地形因子与均方根误差RMSE的关系。研究结果表明：ICESat-2 ATL06数据在高寒山区的RMSE为0.747 m。由于其较高的精度，可用于验证缺资料地区的其他遥感高程数据。其他遥感高程数据的精度都相对较低，ALOS 12.5 m数据的RMSE为5.284 m；ASTER GDEM V3版本的RMSE为9.903 m。实验所采用的4种遥感高程数据与机载LiDAR DEM均具有较高的相关性，相关系数在0.998与1.000之间。实验还揭示了坡度是影响遥感DEM精度的主要因素。除ICESat-2 ATL06外，其他高程数据的RMSE均随坡度的增大先减小再增大，且都存在一个最佳坡度值。鉴于地形复杂多样的冰沟流域具有青藏高原高寒山区的典型特征，多源遥感DEM数据在该区域的验证结论具有较好的代表性，可为相似地区DEM数据的使用和评估提供重要的知识补充。

杆塔位置是机载激光雷达电力巡检应用中进行输电线路点云分段、杆塔提取、变化检测的基础。为了提高其自动定位的精度和效率，提出了一种适用于复杂地形的高压输电线路杆塔自动定位方法。首先在分析了输电线路点云相对高度、垂直和水平分布特征基础上，采用格网预处理剔除低位点格网、聚类分析确定候选类簇，然后利用格网垂直连续分布系数、高程分布系数和凸包系数等识别杆塔点所在格网，并以邻近格网中心作为杆塔水平位置。实验结果表明：相比前人的方法，算法的杆塔定位精度提高了11.7%，查准率和召回率分别提高了50%和20%，尤其是在地形起伏大且不连续的情况下具有较好的普适性。

输电通道内地物要素复杂，机载LiDAR获取的电力线、杆塔、植被等地物点云密度差异大、空间分布不规则，实际应用中“所见即所得”的应用需求对点云的高效自动化分类带来挑战。将深度学习中的PointNet++算法用于输电通道机载点云自动分类研究，分析样本加权对不同密度点云数据分类精度的影响，利用两组实验数据验证算法的精度和效率，并与随机森林分类算法进行比较。结果表明：基于样本加权PointNet++的方法在输电通道点云自动化分类方面适用性更强，平均F1值87.14%，且分类精度和效率均优于随机森林方法。

机载LiDAR在输电通道变化检测应用中的关键是多时相点云的高效高精度配准，实验将PCA主轴变换与改进ICP算法相结合提出一种多级配准方法。首先基于输电通道杆塔不易形变的特点，采用PCA算法计算对应杆塔点云的3个主轴向量，通过校正主轴方向得到两组杆塔点云的粗略位姿变换关系，然后利用改进搜索和收敛策略的ICP方法实现精配准，最后将变换参数应用于全局完成多期点云的精配准。实验表明，该方法在效率和精度方面都得到较大提升，配准前后的平均点位误差可以减小约94%。

为了提高背包激光扫描点云林木胸径提取精度。以3块山区人工林做为研究对象，选取距离地面1.3 m处一定厚度的树干点云为胸径切片，切片厚度分别为0.2 m、0.4 m和0.6 m。对切片点云基于点云强度划分点云区间以获得多种胸径切片，将处理得到的切片点云映射到二维平面，采用最小二乘法对二维点进行胸径提取。结果表明：切片厚度为0.6 m、强度区间为［5，10］的切片点云提取胸径结果最好，3块样地胸径提取结果RMSE分别为0.46 cm、0.83 cm和1.03 cm，MAE分别为0.37 cm、0.66 cm和0.81 cm，相对精度分别为97.03%、94.73%和96.73%。相比于同等条件下完整点云结果，RMSE分别降低了61.34%、25.90%和61.71%，MAE分别降低了68.91%、31.96%和65.97%，相对精度分别提高了6.10%、1.95%和5.8%。并且使用点云数量分别降低了97.63%、97.25%、97.83%，平均用时分别提高了98.5%、97.6%、96.36%。通过使用最佳强度区间内的点云提取胸径，不仅可以减少点云数量节约时间成本，更能够提高胸径提取精度，并为提取其他林木参数提供参考。

滩涂是宝贵的自然资源，其地形的高精度反演具有重要科学价值，而现有技术和方法存在较大的局限性。无人机激光雷达技术可快速获取大范围滩涂高精度、高密度的三维点云数据，是滩涂地形反演的重要技术之一。如何对点云数据中滩涂植被进行高精度滤波是地形反演要解决的技术难点，尤其是当滩涂覆盖有茂密的异质性植被（如不同种类和几何形态）时，对滤波算法的通用性和鲁棒性提出了更高的要求。以上海崇明西滩湿地某一滩涂作为研究区域，选取草丛、灌木和高大乔木3类典型植被覆盖的局部区域，利用基于坡度滤波、渐进数学形态学滤波和布料模拟滤波3种常用的点云滤波算法进行点云数据处理，比较分析了3种方法的适用性。结果表明：布料模拟滤波对于3个典型区域实验结果的总误差分别为1.57%、0.16%和0.23%， Kappa系数分别为96.74%、98.70%和99.30%。相较于其他两种算法，布料模拟滤波精度更高，更适用于多类型植被覆盖滩涂区域。因此，采用布料模拟滤波对整个研究区域进行处理，取得了较好的滤波效果，与真实地面吻合度较高。最后，通过克里金插值得到整个研究区域高精度的地形数据。

泰加林—苔原过渡带对气候变化敏感，确定其位置可以帮助理解北极地区气候变化。针对当前过渡带提取中存在的自动化程度低、提取困难的问题，以芬兰北部泰加林—苔原过渡带为研究区，以高分辨率航空遥感影像和冠层高度模型生成的过渡带参考数据为基准数据，构建基Landsat影像和LiDAR数据的4个随机森林过渡带分类模型。对模型分类结果去除“椒盐”图斑，使用连通区域边界点提取算法提取过渡带边界的位置坐标，实现过渡带边界提取，并检验过渡带边界的位置精度。其中，RF_Spring_Las模型和RF_Summer_Las模型的Kappa系数分别为0.92、0.98，分类总体精度分别为94.66%、94.44%，分类精度远高于RF_Spring模型和RF_Summer模型。基于RF_Spring_Las模型和RF_Summer_Las模型的过渡带边界提取结果具有较高位置精度，过渡带下边界位置误差分别为25.13 m、25.11 m，过渡带上边界位置误差分别为43.11 m、44.80 m，实现春季和夏季两个季节的芬兰北部泰加林—苔原过渡带提取，为后续过渡带位置监测提供基准数据。

高光谱激光雷达以其谱位合一的技术优势为实现超三维精准遥感观测提供了可行途径，因此成为当前激光雷达与高光谱遥感领域共同大力推进的前沿发展方向。目前已有多型原型系统研发出来并得到了原理性验证，然而针对其数据处理核心环节问题的基础技术仍较为欠缺。典型问题之一是不同波段回波信号受激光入射角度的影响，该角度效应限制了高光谱激光雷达实现高性能遥感。以芬兰空间信息研究所高光谱激光雷达原型系统扫描桦树树干为例探讨了该角度效应，发现了不同激光波段对不同入射角度的回波强度响应模式，推导出了角度效应的基本规律及其精细尺度的统计规律，为后续该方向的系统研发、数据处理及信息提取等提供了可借鉴的底层机理与技术基础。

激光雷达遥感可获取地物的三维结构信息，偏振遥感可实现“强光弱化与弱光强化”的信息增强，两者主被动光学遥感组合为下一代对地观测多维光学遥感新模式的研发提供一条可行的途径。事实上偏振激光雷达这一概念提出较早，但其已开展的应用主要集中在大气监测领域，研究重点侧重于激光后向散射去极化技术等方面，进一步发展到探测大气气溶胶含量及针对相关任务的信息增强技术研发等；但在其他领域，偏振激光雷达的遥感应用极其有限，而理论上偏振激光雷达具有推广到复杂地物遥感的可能性。从其两种组成模式的遥感原理角度出发探讨偏振激光雷达对地观测遥感可能实现的机理基础，并分析了其技术发展的趋势，为后续相关遥感技术的研发及其在农业、环境、海洋、空间探测等不同领域中的应用指出了可能的切入点。

针对亚热带环境条件下森林树高、胸径自动化提取精度较低、单木形态模拟较为困难的问题，提出基于地面激光雷达点云数据提取森林树高、胸径及重建森林场景三维模型的方法。首先采用变尺度地面点识别法获取地面点并构建DEM。然后根据树木主干点云主方向相似度及轴向分布密度分割主干与其他植物器官点云。接着以主干点云为基础，采用迭代最小二乘拟合圆柱的方法自动提取树木位置、胸径；构建点云的八叉树结构，利用体素的空间邻接性实现点云分割，自动提取树高。最后，结合单株植物建模技术，以树根节点为纽带构建样地尺度上的森林场景三维模型。实验结果显示，胸径估测R²为0.996，平均相对误差为2.09%，RMSE为0.66 cm；树高估测R²为0.972，平均相对误差为2.16%，RMSE为0.92 m；所重建的森林场景三维模型可表达森林样地的真实形态。

航拍影像富含光谱信息、纹理信息和空间信息，机载LiDAR(Light Detection and Ranging)能够提供地物的三维信息。综合利用两类数据的优势，研究了一种面向对象的城市地物分类方法。通过预处理将LiDAR点云转换成二维栅格数据，与航拍影像进行配准；结合光谱信息和高度信息对研究影像进行多尺度分割，依据最优分割尺度计算模型选择最优分割尺度；对分割对象提取各类特征，采用XGBoost算法进行特征选择，选择支持向量机(Support Vector Machine，SVM)分类器进行分类，为体现XGBoost算法的优势，借助SVM分类器与Relief和RFE两种传统的特征选择算法比较；基于一定规则将阴影区域地物区分以及合并到真实地物类别中，实现最终的城市地物分类。在3个区域测试分类方法，结果表明本文研究方法可行有效，能够较好地应用于城市地物分类。

通过无人机电力线巡检试验，提出应用GPS、GLONASS和BDS多源融合的PPP技术并验证其生成的POS数据和三维点云数据应用于高压电力线巡检的可行性。采用不同策略的POS数据融合与解算，分析了基站差分POS数据与单GPS系统下的POS数据、GPS、GLONASS和BDS多系统融合下的POS数据精度；分别用不同策略的POS数据生成三维点云，并统计分析与基站差分点云数据的偏差距离和分布情况。研究发现：单GPS所生成的点云数据，距离偏差较大在20~40 cm左右，且分布不均匀，偏差距离波动较大，不能满足电力线精细巡检的要求；多源融合的PPP技术所生成的点云数据，与基站差分下的点云数据距离偏差在X方向10 cm，Y方向6 cm，Z方向为4 cm，点云数据分布均匀，稳定，基本满足电力线巡检要求，且点云数据也可用于电力线的精细巡检。

基于无人机载平台的轻小型激光雷达系统是当今研究的热点，该系统具有价格低廉、方便携带和使用灵活的特点，近年来发展十分迅速。针对轻小型无人机载激光雷达系统研制所涉及的时间同步与结构集成设计、安置角误差消除等开展研究，提出了一种适用于复杂地形工况环境下的轻小型无人机载激光雷达数据采集与处理分析的完整解决方案，并利用集成后的系统开展了电力巡线巡检应用，试验数据分析结果充分展示了该系统在电力巡线上的优势，验证了其功能与性能。