基于PSO-LSSVM的森林地上生物量估测模型

• 作者: 冯仲科 孙金华 岳德鹏 杨柳 杨立岩
• 来源期刊: 农业机械学报
• 学科: 工学
• 关键词: 森林地上生物量 粒子群算法 最小二乘支持向量机 估测模型
• 年，卷（期）: 2016,（8）
• 所属期刊栏目: 农业自动化与环境控制
• 页码范围: 273-279,287
• 分类号: TP79
• 语种: 中文
• DOI: 10.6041/j.issn.1000-1298.2016.08.036

摘要

为提高森林地上生物量估测精度,从建模因子和建模方法出发,提出了一种综合考虑影像纹理特征、地形特征、光谱特征的粒子群优化最小二乘支持向量机生物量估测方法.以松山自然保护区为研究区域,以资源三号遥感卫星数据为数据源,配合194块调查样地实测数据、森林资源二类调查数据、数字高程模型数据,通过分析46个特征变量与森林地上生物量间的Pearson相关性,进行特征变量优化提取,建立PSO-LSSVM模型并在Matlab2014a上编程实现.以决定系数R2和均方根误差RMSE为指标,对比分析了PSO-LSSVM和多元线性回归地上生物量模型精度.研究结果表明:PSO-LSSVM模型在针叶林、阔叶林、灌木林3种类型中预测决定系数分别为0.867、0.853、0.842,比多元线性回归模型分别提高了23.15％、19.13％、14.40％.PSO-LSSVM地上生物量模型具有良好的自学能力和自适应能力,它取代了传统的遍历优化方法,在全局优化及收敛速度方面具有较大优势,预测精度较高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	冯仲科	北京林业大学精准林业北京市重点实验室	209	2744	28.0	39.0
2	岳德鹏	北京林业大学精准林业北京市重点实验室	97	911	13.0	27.0
3	杨柳	北京林业大学精准林业北京市重点实验室	6	39	3.0	6.0
5	杨立岩	北京林业大学精准林业北京市重点实验室	7	81	5.0	7.0