基于PSO–SVR模型和分级变量选择的思茅松地上生物量估测研究

摘要： 基于哨兵2(Sentinel–2A)遥感数据，利用粒子群优化算法（PSO）优化支持向量回归（SVR）模型的惩罚参数（C）和核函数参数（γ），提高AGB反演精度。在变量选择过程中，采用分级变量选择方法，按照皮尔逊相关系数的绝对值排序，并构建不同变量组合的SVR和PSO–SVR模型，探讨特征选择对模型性能的影响。结果表明：通过五折交叉验证评估模型的泛化能力后，选择前10%分级变量的... （共8页）