失叶率是一个定量化反映林木叶部受损严重程度的指标,通过计算林木失去的叶量占总体叶量的比例实现林木受灾程度的评估,可为森林灾害的程度评估提供数据支持,是制定和实施森林管理和灾害防控措施的重要基础之一。受到遥感数据分辨率的限制,目前进行的失叶率估测仍然停留在失叶程度分级的程度,并且大多围绕区域或林分等大中尺度估计开展,在单木尺度的估测能力亟需进一步提升。针对该问题,本研究使用单站地基激光雷达数据,围绕失叶率估算主题进行算法开发和精度验证。研究区位于辽宁省建平县油松人工林分布区域,分别在轻微、中等、严重失叶区域各设置样地16个,共计48个样地,包括单木1098株。通过外业工作获取地基激光雷达数据与地面实测失叶率后,从以下三个方面展开研究:(1)从地基激光雷达点云数据中进行特征参数构建与信息提取,共计得到有关单木形态属性、树冠点云分布特性、树冠点云密度特性的共计60个特征参数。采用随机森林方法筛选特征参数,确定敏感特征参数进行失叶程度分级,并在数据测试集上验证分级精度。(2)针对点云密度参数计算原理,提出一种等角扇形体体素结构,并使用传统的正方体体素单元和扇形体体素单元分别构建点云密度参数,对比二者在失叶程度分级上的重要性。(3)通过对等角扇形体体素的构造参数进行进一步的优化,实现失叶率的简单线性回归和预测,建立失叶率估算模型,并总结归纳总体技术流程。研究结果表明,(1)点云密度、透射率、孔隙度等特征参数在失叶率分类过程中显示出较高重要性,将失叶程度分为轻度、中度、重度等三级时,分级精度在单木尺度和样地尺度分别为80%和94%。(2)在体素化研究中,验证了创新的扇形体体素化在均衡点云密度方面的优势,重点解决了与地基激光雷达扫描仪距离不同时密度分布不均对特征参数计算的影响,其表现优于传统的正方体体素化方法。(3)通过对其参数的进一步优化,实现了点云密度与失叶率的简单线性回归,在单木尺度和样地尺度决定系数R2分别为0.89和0.83,失叶率预测均方根误差RMSE在两个尺度均为12%。提出的失叶率估算线性方程可以在失叶率区间差小于等于40%时实现RMSE小于20%的高精度估测。研究的创新点包括(1)首次利用单站地基激光雷达数据实现失叶率估算;(2)创新构建点云密度、点云空间分布模式、穿透性等特征参数库,并证实在失叶率估算方面发挥了重要作用;(3)创新的扇形体体素化结构为单站地基激光雷达数据管理和特征参数计算提供了一个全新的思路。研究证明使用单站地基激光雷达技术可以实现失叶率的精准估测,本研究创新的失叶率估算方法具有很高的可应用性,对油松毛虫虫害监测和治理措施的制定具有重要意义。