最小二乘支持向量机用于时间序列叶面积指数预测

遥感反演的叶面积指数(LAI)时间序列被广泛应用于气候模拟、作物长势监测等研究。但遥感数据受天气等因素影响,时间序列的LAI数据存在缺失。支持向量机(SVM)是一种有效的数据分类和回归预测工具,而最小二乘支持向量机(LS-SVM)是对SVM的有效改进。以西藏那曲县为例,使用2003-2011年MODIS LAI产品,分别用LS-SVM和SVM两种方法对研究区域2011年LAI时间序列进行预测,并用MODIS原始LAI以及部分地面实验样点值进行验证。结果表明,基于LS-SVM的LAI时间序列预测算法的精度比基于SVM的算法高,从而证明LS-SVM方法能够弥补遥感反演时间序列LAI数据的缺失问题,对提高时间序列的LAI遥感产品质量具有重要意义。