作为新兴的激光雷达扫描技术,无人机激光雷达（UAV-Li DAR）技术和手持移动激光扫描（HMLS）技术具有采集数据效率高、成本低等优点,但是这两种技术应用于较复杂的林业调查时,由于平台限制,难以采集完整的树木信息,故融合两个平台数据获取完整树木信息已成为信息处理必然的发展趋势。因此,本研究提出一种无标识的融合UAV-Li DAR和HMLS点云数据的方法,并将融合后数据进行数据压缩、单木分割、结构参数提取、模型构建及生物量与碳储量估算等一系列处理。研究结果如下:（1）提出UAV-Li DAR和HMLS点云数据的精准融合方法。融合方法基于Delaunay三角网和迭代最近点（ICP）算法,并运用模拟退火算法优化。在样地内部随机选取区域,将区域内配准后的两种平台点云的树木位置投影点坐标进行对比,得到樟子松和蒙古栎的投影点平均坐标偏移距离分别为0.19m和0.25m。根据采集数据时设置的标志物计算偏移误差,樟子松样地和蒙古栎样地融合结果的均方误差分别为0.0512和0.0802,樟子松样地点云数据的融合精度高于蒙古栎样地。（2）提出基于融合数据的数据压缩与单木分割方法。点云数据压缩方法基于切片技术与角-弦偏差法,单木分割算法基于层叠法与均值漂移（Mean-shift）算法。结果显示,当压缩参数切片厚度、弦偏差阈值以及角偏差阈值选择适当时,压缩时间较短且压缩效果较好。蒙古栎和樟子松样地的点云数据压缩率分别达到86.84%和89.47%,同时根据压缩前后对树木胸径、树高和冠幅结构参数计算,发现数据压缩对三个结构参数的影响可忽略不计。两块样地的单木分割效果较好,蒙古栎样地单木分割评价结果显示召回率、精准率以及F值分别为0.76、0.86、0.81,而樟子松样地分别为0.86、0.84和0.85。（3）基于单木数据提取树木结构参数、建模并估算树木生物量及碳储量。基于单木数据估算胸径、树高和冠幅三个树木结构参数,将估算值与实地测量值回归分析,结果显示估算值与实测值相关性良好。利用定量结构模型（QSM）算法重建单木三维模型并根据树木枝干体积估算单木生物量及碳储量,将基于异速生长方程计算所得生物量参考值与估算值回归分析可得,生物量的估算值与参考值有较好的一致性,且误差较小。综上所述,融合UAV-Li DAR和HMLS点云数据有利于森林信息完整提取。本研究联合空中与地面获取的激光点云数据,实现了不同平台遥感数据间的相互补充,推动了激光雷达数据在森林资源调查等方面更广泛的应用。