树木的量化模型对分析树木拓扑结构和生物量等信息非常重要。树木定量结构模型（TreeQSM）作为主流建模方法，被广泛使用，但在估计树高、胸径和体积的精度上缺少全面分析。实验中用地面激光雷达多扫描角分辨率多站点扫描2棵模型树和5棵真实杏树，通过TreeQSM建模单站和多站融合数据估计得到较精确的树高、胸径和体积参数，同时分析不同角度分辨率、不同站点数量对估计树高、胸径和体积的影响。实验结果表明：树高和胸径的平均估计精度均在90%以上；对树木体积而言，结构较为简单的模型树平均估计精度为92.00%，结构较为复杂的真实杏树平均估计精度71.32%。由实验数据可知，扫描角分辨率和融合站数对精度有一定的影响，且不同参数最优估计结果的配置存在差别，同时TreeQSM也会受到点云数据基础、数据完整性和噪声等多因素影响，特别是针对复杂分枝结构和体积进行建模时仍存在一定的偏差，所提模型的改进空间巨大。

为了自动化地、准确地从单站地面激光雷达（TLS）数据中提取一定范围内的树木胸径，提出一种基于点云切片的圆形椭圆自适应胸径（DBH）估计方法。对林地点云数据在胸高位置进行切片，然后对胸高切片点云进行聚类，利用圆形椭圆自适应拟合方法对聚类结果进行树干点判别，符合圆形分布的树干点集直接用于计算树木胸径，符合椭圆分布的树干点集进行胸高位置校正之后再进行胸径计算。利用TLS在北京市东升郊野公园的人工柳树林进行样地点云数据采集，验证圆形椭圆自适应胸径估计方法，并与单纯圆形拟合方法对比。结果显示，在扫描距离为26 m的样地范围内，树木胸径估计均方根误差为1.1 cm，在扫描距离为56 m的样地范围内，树木胸径估计均方根误差为1.99 cm，判别为椭圆分布的树木胸径估计结果平均误差比单纯圆形拟合结果降低4.7%。该方法可以快速有效地进行自适应胸径估计。