这篇文档属于类型a，即单篇原创研究的学术报告。以下是基于文档内容生成的学术报告：

昆明理工大学的张海清在2021年5月提交的工程硕士学位论文中，研究了基于无人机激光雷达（Unmanned Aerial Vehicle LiDAR, UAV LiDAR）的单木分割及树高估测方法。该研究由李向新副教授和柳志云正高工指导，属于测绘工程专业，研究方向为国土资源遥感。

学术背景

森林结构参数，如树高、冠幅、胸径和树冠体积等，是评估森林生长状态、空间结构及生态功能的重要指标，也是分析全球森林生态系统碳平衡的基础。传统的单木位置及树高信息调查方法费时费力，不适用于大面积区域的森林资源信息调查。随着无人机平台和激光雷达技术的发展，无人机激光雷达作为一种灵活、低成本的主动遥感技术，能够穿透植被冠层获取植被垂直结构信息和林下地形信息，为快速估测单木树高和三维结构参数提供了可能。

然而，在地形坡度较大的区域，基于LiDAR点云生成的冠层高度模型（Canopy Height Model, CHM）往往存在畸变，降低单木树高估测精度。因此，本研究旨在解决这一问题，提出一种CHM与数字表面模型（Digital Surface Model, DSM）相结合的树高估算新方法，以提高地形坡度较大区域的单木树高估测精度。

研究流程

研究流程分为三个主要步骤：林区激光点云预处理、基于标记控制分水岭的单木分割和结合DSM的森林单木树高估测。

1. 林区激光点云预处理

首先，使用八叉树建立点云数据空间索引，并基于距离统计的去噪方法实现点云数据的噪声去除。其次，通过试验和对比坡度滤波、多级移动曲面拟合滤波和渐进加密三角网滤波三种滤波方法，选择最优的方法对研究区进行滤波处理。最后，使用反距离加权插值法生成DEM（Digital Elevation Model, DEM）和DSM，将两者相减得到CHM，并使用基于统计的凹坑填充法消除了冠层高度模型上的凹坑。

2. 基于标记控制分水岭的单木分割

首先，基于凹坑去除优化后的CHM，利用局部最大值算法探测树顶点。然后，结合树顶点采用标记控制分水岭分割方法（Mark-Controlled Watershed Segmentation, MCWS）分割单木。最后，将分割结果与基于归一化分割（Normalized Cut, NCut）的单木点云分割结果进行比较分析。结果表明，标记控制分水岭分割方法的树冠漏分割与欠分割数量都较少，树冠分割精度整体较高，更适合于地形坡度较大的地区。

3. 结合DSM的森林单木树高估测

为了解决坡度较大区域由CHM畸变导致单木树高误估的难题，提出CHM与DSM结合的单木树高方法：首先将标记控制分水岭算法分割得到的树冠轮廓多边形提取至DSM中，记作标记区域；然后比较此标记区域内每一个像素点与其邻域，选取此区域内最大像素点为树顶点，并将树顶点高程与使用狄洛尼三角网和高程内插得到的地面点相减获取树高；最后，分别对坡度为32°、25°和15°的试验区进行试验，验证本文树高估测方法的有效性。

主要结果

研究结果表明，CHM中估测的树高与实测数据拟合的R²分别为0.84、0.85和0.87，RMSE为1.48、1.41和1.58 m。结合DSM后，R²分别为0.92、0.91和0.93，RMSE为0.93、1.02和1.16 m。这表明，结合DSM的方法可以有效提高地形坡度较大区域单木树高的估算精度。

结论

本研究提出了一种结合CHM和DSM的单木树高估测方法，有效解决了地形坡度较大区域CHM畸变导致的树高估测误差问题。该方法显著提高了森林资源调查的准确性，对提升全球碳存储量的估测精度具有重要意义。

研究亮点

1. 提出了一种结合CHM和DSM的单木树高估测新方法，解决了地形坡度较大区域CHM畸变导致的树高估测误差问题。
2. 通过对比多种滤波方法，确定了适用于地形坡度较大林区的最佳滤波方法。
3. 采用标记控制分水岭分割方法，提高了单木分割精度，尤其适用于地形坡度较大的地区。
4. 通过实验验证，结合DSM的方法显著提高了树高估测的精度，具有重要的应用价值。

其他有价值的内容

研究还详细介绍了无人机LiDAR技术的原理和数据获取流程，为相关研究提供了技术参考。此外，研究中的点云预处理和单木分割方法也为其他领域的点云数据处理提供了借鉴。