随着遥感技术的迅猛发展，机载激光雷达作为一种主动遥感技术已被广泛用来估测森林参数。本研究选取了内蒙古依根地区为实验区，联合野外测量数据与机载LiDAR数据对实验区的单木参数和林分参数进行了估测，主要方法及成果如下:　　(1)提出了四次多项式拟合法估测单木冠幅。本研究采用可变窗口搜索树顶点，并采用局部最大值法提取单木树高。以单木顶点为中心在树冠高度模型上提取东西、南北两个方向的高程数据，分别得到两组数据的四次多项式拟合曲线，曲线中两凹点之间的水平距离为该方向的冠幅值。冠幅的估测值即为两个方向提取冠幅的平均值。结果显示:可变窗口的形状对树项搜索的成功率有影响，圆形窗口（识别率85.2％）优于方形窗口（识别率82.1％）;单木树高的平均绝对误差为2.33m;冠幅估测值的平均绝对误差为0.99m。　　(2)提出了激光穿透指数计算方法估测林分叶面积指数。对激光雷达回波进行同束划分，根据回波强度求得单束激光穿透指数(LPIs)，利用LPIs得到均值LPImean。为了比较LPImean与未分束LPI估测LAI的效果，在4种不同LiDAR数据采样尺度（直径5m、10m、15m和20m的圆）下分别建立了LAI的理论模型和经验模型。通过对比发现:分束LPImean估测LAI的效果明显好于未分束LPI的估测效果，且当LiDAR数据采样尺度为15m时，LPImean的经验模型（R2=0.80，平均绝对误差为0.11）和理论模型（R2=0.77，平均绝对误差为0.16）的估测结果均达到最佳。综合应用最佳经验模型与理论模型共同绘制了研究区的白桦林LAI分布图。　　(3)利用BP神经网络建立了研究区地上生物量模型。BP神经网络的输入层为最大估测树高Hmax、最小估测树高Hmin、平均估测树高(H)、估测树高的标准差σH、最大估测冠幅Cmax、最小估测冠幅Cmin、平均估测冠幅(C)、估测冠幅的标准差σC以及LPImean，输出层为样地总生物量，1个隐含层，隐含层节点为19个。对网络进行训练，当迭代次数为6的时候网络性能达到最佳。结果显示，预测生物量的RMSE为21.12kg。最后利用该网络绘制了研究区的白桦地上生物量分布图。