支持向量机在水体参数高光谱遥感反演中的应用--以查干湖水体叶绿素-a含量为例

摘要

以经验风险最小化为准则的各种模型在水体参数高光谱遥感反演中取得了广泛的应用,但是由于无法协调训练误差与模型复杂性之间的关系,实际应用这些模型时,在模拟精度和推广能力之间难以取舍.因此,本文将基于统计学习理论,以查干湖水体叶绿素a含量为例,将支持向量机回归算法应用于水体参数高光谱遥感反演中.笔者分别采用多元线性回归模型、BP神经网络模型和支持向量机模型对水体叶绿素a含量建立了反演模型,并分别对训练样本和预留样本进行了模拟.模拟结果表明,统计学习理论和支持向量机建立了一套较好的有限样本下机器学习的理论框架.利用支持向量机回归算法建立的水体叶绿素.a含量高光谱遥感反演模型的模拟效果较好,并且对训练集和样本集的模拟表现相对稳定,其推广能力优于BP神经网络,模拟的效果优于多元线形回归模型.由此可见,支持向量机在建立水体参数高光谱遥感反演经验模型研究中具有广阔的发展前景.