正文如下：
一、林业调查的老难题：样地跑不过来
林业调查的传统做法靠地面样地：按抽样方案布设固定样地，人员进山，逐株量胸径、测树高、记录树种，再据此推算整个林分的林分参数与蓄积量。这套办法准，但费时费力，山区地形复杂、林下通行困难，一个生长季能完成的样地数量有限；样地到林分的"外推"也会引入误差，因为林分内部的空间差异往往比抽样设计预想的更大。航空影像和卫星影像能解决覆盖问题，但光学影像看到的多是林冠顶部，林下的地形、树干、灌草层基本无从得知。这正是无人机激光雷达进入林业调查舞台的原因。它把"进山逐株量"变成"飞行一次、整体重建"，让那些人力难以企及的陡坡、密林也能被系统地量测。
二、激光雷达为什么能"看进"林子里
激光雷达与光学影像的根本区别在成像方式。光学影像是被动接收太阳光的反射，记录的是林冠表面对不同波段的反射强度，成像结果本质上是"一张林冠的照片"，林冠相互遮挡，下面的东西拍不到。激光雷达是主动发射激光脉冲并接收回波，一次发射往往能穿透林冠的枝叶空隙，打到树冠内部的枝、干，甚至打到地面，形成多个回波。同一束脉冲可以记录第一次回波（多为树冠顶）、中间回波（枝干）和末次回波（地面），把这些回波的三维坐标汇总起来，就得到了点云。换句话说，光学影像告诉你"林子有多绿"，激光雷达则量出"树有多高、冠层多厚、地面在哪"——它测的是几何结构，而不是颜色，这就是它能穿透林冠的底层逻辑。当然，冠层特别浓密时并非每个脉冲都能抵达地面，作业中通常要求地面点有足够的穿透比例，飞行高度、航速与脉冲频率要相互匹配，必要时通过加大航带重叠来补足地面点密度。
三、点云：林业调查的新"原材料"
点云是一大堆带有精密三维坐标的离散点，密度可达每平方米几十到上百个点。原始点云要经过几道处理才能用：去噪，剔除飞鸟、电力线、云层等异常点；分类，把点区分为地面点与非地面点；归一化，用地面点生成数字地形模型，再把所有点的绝对高程减去对应地形高程，得到相对地面的高度——这一步至关重要，山区地形起伏大，不做归一化，树高会被地形"污染"，而地面点若被误分进植被，树高又会整体偏低，因此地面点的质量要专门检查。分类与归一化完成后，还要进行单木分割，把整片点云切分成一株一株的树，分割质量直接决定后续参数的可信度。密林、重叠树冠、林下灌草都会给分割带来困难，往往需要结合算法与人工编辑。
四、林分参数怎么从点云里"长"出来
有了归一点云和单木分割结果，林分参数就可以逐项提取。树高最容易也最可靠：单木点云的最高点相对地面的高度即树高，精度通常优于传统测高。冠幅来自树冠点云在水平面上的投影范围，可由凸包或阈值法求得。冠层高度与郁闭度则由点云的垂直分布推算：统计不同高度层的点数比例，得到冠层高度剖面；树冠空隙的比例反映郁闭度。株数密度由分割出的单木数量除以面积得到。胸径无法直接被激光"看到"，通常用树高、冠幅等易测因子建立回归关系间接推算，或结合少量实测样地标定。可以看出，激光雷达的优势是把过去靠人逐株量、靠估算的参数，变成了可批量计算、可重复的空间量测。
五、蓄积量与生物量估算
蓄积量是林业调查最关心的产出之一。基于点云的思路通常分两步：先用样地实测数据建立单木或林分的蓄积量与激光雷达提取参数（树高、冠幅、郁闭度、点云高度分位数等）之间的回归或机器学习模型，再用模型把参数外推到整片林分，逐个小班或逐栅格计算蓄积量并汇总。也有做法先估生物量，再按树种含碳率换算，用于碳汇核算。这里要特别强调标定的重要性：模型必须用本地、本树种的实测样地来训练和验证，直接借用外地的现成模型，误差可能大到不可接受；在采伐迹地、疏林或树种混杂的林分里，外推的不确定性更大，宜按林分类型分别建模。同时应报告精度指标与适用范围，让数据的使用者清楚其可靠边界。
六、作业流程与实施要点
一套可用的作业流程大致是：明确调查目的与精度要求，设计航带与飞行高度；布设地面控制与实测样地，记录单木实测参数；执行激光雷达飞行，同步获取影像便于对照；点云去噪、分类、生成地形模型与归一点云；单木分割与参数提取；建立并验证蓄积量估算模型；最后形成小班尺度的成果表与专题图，纳入森林资源调查成果。实施要点有几个：点云密度要与目标匹配，既要能分割单木又不要造成无效数据量；飞行季节宜在落叶前或常绿林叶量稳定期；地面样地的数量与分布要能代表林分差异，验收时可以预留一部分样地不参与建模，专门用于独立检验；成果交付时保留可追溯的中间数据。山地飞行还要特别注意地形跟随与作业安全。
七、与光学影像配合，而不是取代
激光雷达擅长结构，光学影像擅长类型。把两者结合往往效果最好：用高分辨率光学影像辅助判读树种、区分地类、识别采伐与造林变化；用激光雷达提供高度、郁闭度与蓄积量等结构量。在森林资源年度更新、林地变化监测、林火后受损评估、碳汇核算等场景里，这种"结构加类型"的组合比单一数据源更完整。当然，激光雷达作业成本相对较高，实践中常按"重点区域精细量测、全域定期普查"的思路分层组织，把有限的投入用在最需要精细数据的林分上。
结语
无人机激光雷达给林业调查带来的变化，是从"抽样估计"走向"结构量测"：靠主动激光穿透林冠、靠点云重建三维结构，把树高、冠幅、郁闭度、株数密度等林分参数和蓄积量算得又细又快。它不否定地面样地，而是让样地把模型校准得更好，让森林资源调查覆盖得更全、更新得更勤。时维遥感深耕农业遥感与保险定损，服务数十家保险与公估机构，覆盖近5万亩承保理赔作业，技术手段含卫星遥感、无人机航拍与激光雷达，愿以遥感+AI能力服务林草资源的精细化管理。
时维遥感——遥感+AI，让农业更智慧
