【摘要】【目的】立木材积作为森林蓄积量估算的重要单元，具有重要的森林资源调查意义，研究基于多源激光雷达手段获取立木枝条属性因子的方法，探究树木点云构建更优立木材积预测模型的能力。【方法】本文基于地基激光雷达（TLS）与机载激光雷达（ALS）融合的点云数据，运用几何特征树木骨架和提取不完全模拟水分和养分传输算法（ISTTWN），建立三维树木模型，并获取杨树单木的枝条属性因子。通过构建以枝条属性因子为自变量的立木材积预测模型，探索构建林分蓄积量最优估测模型。【结果】融合后的枝条属性因子较融合前精度有所提高，提取精度依次为着枝高度>枝长>弦长>着枝角度>分枝角度>弓高，其中枝长拟合度最高，R~2达0.989。在利用特征参数与枝条属性因子构建材积预测模型中，基于枝条属性因子构建的模型较由特征参数建立的线性与非线性材积模型R2分别提高0.088与0.110,RMSE则分别降低0.012与0.009 m~3。而将二者结合共同构建立木材积模型后，其线性与非线性模型拟合度分别达0.729与0.759，为六组材积预测模型中最佳。【结论】TLS与ALS融合点云数据后，由于数据之间的相互弥补，有效提高点云密度，在三维树木模型研建中能够显著的提高枝条属性因子的提取精度，同时在材积预测模型中加入枝条属性因子这一自变量能够有效提高模型预测的准确性。