应用PLS-GA-SVM构建的云南松林分蓄积量遥感估算模型

为提高森林蓄积量遥感预测精度,结合机器学习算法构建单季节林分蓄积量估算模型。以云南省大理州2007年国家森林资源连续清查云南松林样地蓄积量为对象,根据冬季、春季和秋季遥感影像提取研究区的单波段、植被指数和纹理信息共74个因子,采用PLS提取前13个主成分作为自变量,经过GA优化c、g参数的SVM构建云南松林分蓄积量估算模型,探讨单季节SVM的训练效果和泛化能力。研究表明:各季节所有自变量与云南松林分蓄积量相关性较弱;春季遥感数据与秋冬季节遥感数据存在差异;高值低估现象普遍存在,冬季遥感影像构建的PLS-GA-SVM模型效果最好(训练集R^2=0.6690,ERMS=6.7345 m^3),泛化能力最佳;春季遥感数据复杂性较高,无法准确反映预蓄积量变化情况。