为了建立立木材积模型, 每年有数十万棵优质活立木被伐倒, 这是一种破坏性较大的实验。 应用光电经纬仪自动量测与手工量测活立木地径、 胸径相结合, 通过活立木材积计算软件批量计算, 获得中林系107杨（Zhonglin aspens No.107）的胸径、 树高、 树干材积值400组数据集。 采用粒子群算法嵌入支持向量机（PSO-SVM）建立了非线性智能活立木材积预报模型, 并以400组实验数据集作为研究资料, 随机抽选300组数据的胸径和树高作为输入值, 材积为输出值, 用MATLAB软件运行PSO-SVM工具箱, 训练得到PSO-SVM模型, 用100组数据进行检验预测。 研究表明, PSO-SVM算法模型预测值与实测值间复相关系数r为0.91, r值比Spurr二元材积模型计算值高出2%, 平均绝对误差率提高0.44%。 引用经典Spurr二元材积模型计算值和PSO-SVM模型预报值进行对比, 认为将PSO算法引入到SVM参数优化中, 使活立木材积预报具有自学习能力和自适应能力, PSO-SVM模型对样本数量要求较小、 预报准确率高、 学习速度快, 具有很好的推广价值与应用前景。

树冠投影面积和树冠体积是研究单木生物量估测、 三维绿量测算等的重要测量因子。 针对树冠结构复杂、 形态各异， 树冠因子难以精确测量等问题， 为实现单木树冠投影面积和树冠体积的自动提取和精准测量， 以三维激光扫描获取的树木点云数据为数据源， 运用平面散乱点集凸包算法——Graham扫描算法和不规则体切片分割累加算法， 以VC++6.0和Matlab 7.0混合编程， 实现树冠投影面积和树冠体积的自动提取。 以实验区选取具有代表性的22株不同树种的样木为研究对象， 并与传统人工测量方法进行了对比分析。 试验结果表明， 树冠投影面积人工测量（A4）结果与点云数据的自动计算（AV）结果相关性较好， r=0.964（p<0.01）， A4高于AV的平均值为25.5%。 近似规则几何体方法树冠体积测量（VC）结果与基于点云数据的自动计算（VVC）结果之间呈现较强的相关性， r=0.960（p<0.001）， VC低于VVC的平均值为8.03%。 该方法基于高精度单木点云数据， 实现了树冠结构的高精度快速重构、 单木树冠投影面积和树冠体积的无损自动提取， 可以为单木树冠结构的研究提供参考， 在精准林业领域具有推广应用价值。