应用最大信息系数和支持向量机估测森林蓄积量

作者：罗为检

来源：东北林业大学学报, 2022, 50(01): 40-45.

DOI：10.13759/j.cnki.dlxb.2022.01.013

• 森林蓄积量
• 最大信息系数
• 支持向量机
• Landsat8 OLI

为了探究Landsat8 OLI影像和支持向量机算法在林分蓄积量估测中的潜力，以湖南省株洲市为研究区，以Landsat8 OLI卫星影像为遥感数据源，并结合同时期的湖南省森林资源二类调查数据，提取单波段特征、植被指数和纹理特征等遥感因子作为候选变量；利用最大信息系数对遥感变量进行筛选，并构建基于多项式核的PK-SVR模型、基于径向基核的RK-SVR模型、基于拉普拉斯核的LK-SVR模型和基于Sigmoid核的SK-SVR模型；以决定系数、相对均方根误差作为预测模型的评价指标，并与传统的线性回归模型进行对比，同时对研究区的森林蓄积量进行反演，得到株洲市森林蓄积量空间分布图。结果表明：支持向量机(SVR)模型的预测结果明显优于多元线性回归模型，RK-SVR模型的预测效果最好，其决定系数为0.61、均方根误差为69.26 m3/hm-2、相对均方根误差为31.2%。