森林冠层的聚集度指数反映了冠层叶片偏离随机分布的程度,是描述冠层内部辐射传输过程的重要指标,而间隙率直接表征了辐射在冠层中的空间分布,是聚集度指数反演模型中不可或缺的冠层结构参数。近年来,随着激光雷达技术的发展,地基激光雷达以三维点云数据集的形式获取大量高分辨率的空间样本,被广泛应用于冠层结构参数的反演。Monte Carlo模拟可以避免复杂的数学运算,通过大量的随机抽样试验来估算问题的近似解。为了更充分的利用三维点云数据提供的高分辨率冠层信息,本文运用Monte Carlo模拟来探测点云数据所反映的冠层结构特征,提出了一种估算间隙率的新方法。针对聚集效应引起的光线在冠层中路径长度不同的问题,提出了两种反演冠层绝对路径长度分布的方法,实现了阔叶林冠层聚集度指数的反演。本文主要研究内容与成果如下:（1）基于Monte Carlo模拟方法的间隙率反演。该方法基于大数定律将冠层间隙率构造成一个概率模型,然后利用Monte Carlo模拟来估算间隙率的近似值。通过确定判别距离、模拟激光束和估算间隙率来实现冠层间隙率的反演。本研究在电子科技大学校园内选择了4块阔叶林实验样地,将间隙率的估算结果和投影切片法以及数字半球照片法估算的结果进行对比分析,发现投影切片法中0.1°*0.1°的切片与本算法的结果比较吻合,决定系数达到0.68。与投影切片法相比,本方法不用对模型参数进行讨论,并且考虑了叶片点云分布对结果的影响。与基于半球照片反演的间隙率相比,本方法估算的间隙率较低,避免了半球照片不能获取冠层垂直结构的缺陷。（2）基于路径长度分布模型的聚集度指数反演。针对Hu等人（2014）提出的路径长度分布模型[69]在阔叶林冠层中的应用,本文基于高分辨率的地面点云数据,提出了以边界掩模法和栅格投影法为基础的两种反演绝对路径长度分布的方法,反演了光线穿过冠层的绝对路径长度分布。并利用间隙率和路径长度分布等参数通过路径长度分布模型实现聚集度指数的反演。对比两种提取绝对路径长度方法反演的聚集度指数,发现随着天顶角的变化,聚集度指数的变化趋势一致,并且两种方法的反演结果间相关性较好,决定系数达到0.65。说明两种方法可以相互验证,且都体现出了有效性。同时将结果与有限长度平均法估算的聚集度指数结果对比,发现有限长度平均法估算的结果偏低且对天顶角的变化不敏感,说明本文的方法克服了由于无间隙样线高估LAI导致的聚集度指数偏低的问题,也证明基于路径长度分布模型反演聚集度指数的方法是可行和有效的。研究结果还发现,两种方法对于栅格尺寸的敏感性都不高,说明这两种方法的鲁棒性和适用性较好,可以根据样地尺度来决定栅格化的尺寸。