摘要
单木分割和胸径（DBH）估测是精度林业调查的基础。光探测与测距（LiDAR）技术已成为实现单木级别这些目标的基本工具。不同的LiDAR平台——尤其是无人机（UAV）和机载激光扫描（MLS）——在获取森林结构信息方面各具优势。多源LiDAR融合作为一种策略，旨在结合这些互补的优势。然而，如何根据不同LiDAR数据源有效选择分割算法，目前研究仍不充分，尤其是在冠层结构异质的亚热带针叶林人工林中。本研究在中国亚热带马尾松（Pinus massoniana）人工林中，系统比较了四种单木分割算法（Donager2021、Dalponte2016、Silva2016和标记控制分水岭分割[MCWS]）在三种LiDAR数据源（仅UAV、仅MLS和UAV–MLS融合数据）中的表现。随后，基于表现最佳的分割结果建立DBH估测模型，以检验数据融合是否同时提高探测和DBH检索精度。主要发现如下：（1）三种基于冠层高度模型（CHM）的算法在UAV数据上的单木探测平均总精度（OA）约为64%，但在MLS数据上降至30%以下，无法实现有效探测；（2）Donager2021算法直接利用三维点云的树干结构，在MLS数据上取得了93.15%的最高OA，在融合数据上进一步提升至94.82%；（3）DBH估测在MLS和融合数据集上的平均R2均达到0.96，但仅使用MLS LiDAR的RMSE更低（2.31 cm；rRMSE = 5.91%），优于融合LiDAR（RMSE = 2.40 cm；rRMSE = 6.24%）；（4）更高的探测精度并不一定带来更好的DBH估测，揭示了这两个目标之间的权衡关系。这些发现表明，融合并非对所有下游任务都有普遍改善效果，LiDAR配置和分割算法的选择应根据具体的调查目标来确定。
