基于IFOA-LSSVM算法的机载LiDAR森林生物量估测

利用LiDAR数据的三维结构信息,提取样地级点云变量并进行优化,通过与获取的地面调查数据相结合,构建基于果蝇算法优化最小二乘支持向量机的生物量估测模型。利用反向学习初始化、三维搜索与自适应更新步长改进果蝇优化算法;将该算法优化最小二乘支持向量机LSSVM参数(σ,γ);建立基于IFOA-LSSVM的森林生物量估测模型。IFOA-LSSVM模型估测生物量的均方根误差值只有67.2195 t/ha。崖柏型、铁杉型、云杉型IFOA-LSSVM模型估测生物量的均方根误差值分别为55.2787 t/ha、63.6967 t/ha、36.0813 t/ha;估测值与实测值的相关系数平方为96.68%、93.71%、91.28%。基于IFOA-LSSVM模型的生物量估测误差和拟合程度均优于FOA-LSSVM。IFOA-LSSVM估测模型具有泛化能力强、收敛速度快、寻优精度高的特点。