基于BP-SVM模型的植被变化模拟研究

植被是连接生物圈、大气圈、水圈的重要纽带,对流域生态环境和水热状态变化有重要的影响。当前研究大多聚焦于NDVI与气候因子的相关性分析,少数研究预测NDVI时忽视了考虑滞后性以及增加预报因子对提高模型精确度的影响。基于此,本文比较多元线性回归(MLR)、人工神经网络(ANN)和支持向量机模型(SVM),优选出精度较高的模型。在常规因子(降雨和气温)基础上增加了对植被生长有影响的土壤湿度和日照因子,并考虑了不同因子与NDVI之间的滞时效应。研究结果表明:(1)支持向量机模型(SVM)的拟合能力最强,NDVI预测精度最高,泾河、北洛河流域均方根误差均减少1.8%以上。(2)加入土壤湿度、日照等因子,泾河流域模型预测精度提高,泾河流域均方根误差减少8.8%。(3)考虑滞时后,泾河、北洛河流域均方根误差分别减少15%、11%,NDVI预测精度进一步提高,增加了模型的可靠性。预测结果可对未来制定生态保护策略,指导生态修复具有重要参考意义。