| 基于PSO-LSSVM的森林地上生物量估测模型 |
| |
| 引用本文： | 杨柳,孙金华,冯仲科,岳德鹏,杨立岩.基于PSO-LSSVM的森林地上生物量估测模型[J].农业机械学报,2016,47(8):273-279,287. |
| |
| 作者姓名： | 杨柳 孙金华 冯仲科 岳德鹏 杨立岩 |
| |
| 作者单位： | 北京林业大学;平顶山学院,中国矿业大学（北京）,北京林业大学,北京林业大学,北京林业大学 |
| |
| 基金项目： | 国家自然科学基金项目（41371001）、北京市科技专项项目（Z15110000161596）、北京林业大学青年教师科学研究中长期项目（2015ZCQ-LX-01）和平顶山学院青年科研基金项目（PDSU-QNJJ-2013007） |
| |
| 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Matlab 2014a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。
|
| 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 |
| 收稿时间： | 2016/3/29 0:00:00 |
Estimation Model of Forest Above-ground Biomass Based on PSO-LSSVM |
| |
| Yang Liu,Sun Jinhu,Feng Zhongke,Yue Depeng and Yang Liyan.Estimation Model of Forest Above-ground Biomass Based on PSO-LSSVM[J].Transactions of the Chinese Society of Agricultural Machinery,2016,47(8):273-279,287. |
| |
| Authors: | Yang Liu Sun Jinhu Feng Zhongke Yue Depeng and Yang Liyan |
| |
| Institution: | Beijing Forestry University;Pingdingshan University,China University of Mining and Techology,Beijing Forestry University,Beijing Forestry University and Beijing Forestry University |
| |
| Abstract: | |
| |
| Keywords: | forest above-ground biomass PSO LSSVM estimation model |
| 本文献已被 CNKI 等数据库收录！ |
| 点击此处可从《农业机械学报》浏览原始摘要信息 |
| 点击此处可从《农业机械学报》下载免费的PDF全文 |
|
