首页|基于BP-SVM模型的植被变化模拟研究

基于BP-SVM模型的植被变化模拟研究

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
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.
Simulation of vegetation change based on BP-SVM mode

贾松涛、黄生志、王浩、李紫妍、黄强、梁浩

展开 >

西安理工大学,西北旱区生态水利国家重点实验室,陕西西安 710048

中国水利水电科学研究院,流域水循环模拟与调控国家重点实验室,北京 100038

支持向量机 预测精度 预测模型 滞时效应 植被覆盖度

517092212018M640155

2021

10.13866/j.azr.2021.04.20

干旱区研究
中国科学院新疆生态与地理研究所 中国土壤学会

干旱区研究

CSTPCDCSCD北大核心
影响因子：1.157
ISSN：1001-4675
年,卷(期)：2021.38(4)
  • 6
  • 21