基于时间序列模型和SVM的草地生物量预测研究——以青海湖流域为例

摘要

研究草地生物量和环境因子的关系以及准确预测草地生物量是草地资源科学利用的一项重要课题。准确预测草地的生物量能掌握生长季草地的生长规律，有计划地预报草地的生长状况，对草地资源的保护和规划利用，放牧强度及载畜量的确定具有重要的指导意义。目前生物量预测方面的研究很少，相关研究人员主要采用积分回归的方法建立回归方程来预测生物量，通过对历史数据拟合趋势线，并按照趋势对未来某一时刻的草地资源状况进行预测，难以全面准确预测草地生物量。本文为了预测未来生物量的分布状况，提供动态的草场长势信息和草场生物量数据，首先构建不同时间序列模型进行精度比较，最终选取最优时间序列模型建立草场生物量动态预测模型，利用支持向量机模型（Support Vector Machine, SVM）生成青海湖流域2015年生长季预测生物量数据集（8天，500米），预测分析青海湖流域生物量的空间分布格局及其变化趋势特征。本文主要的研究工作和结论如下：
　　（1）首先提取青海湖流域站点数据构建模型，以青海湖流域2000-2014年归一化植被指数（Normalized Difference Vegetation Index，NDVI）作为输入数据（8天，500米），利用时间序列模型生成预测NDVI。选取多个时间序列模型：趋势移动平均法、二次指数平滑法、差分自回归滑动平均模型（ARIMA）预测2015年NDVI的空间分布并进行精度比较。基于以上模型的构建与对比，发现ARIMA模型有更高的精度，能够真实反映青海湖流域2015年NDVI分布状况。
　　（2）基于预测 NDVI数据集，结合气候数据建立回归优化模型并进行精度分析，选取不同修正方案，获取最优NDVI修正方案生成面上预测NDVI数据集。实验分为三个方案（方案一：NDVI利用 ARIMA模型生成预测 NDVI；方案二：基于方案一经回归模型优化生成新的预测 NDVI；方案三：利用 ARIMA模型分别生成预测的 NDVI、温度和降水，三者经回归模型优化生成新的预测 NDVI）。实验发现：方案三精度（ R2=0.8912， RMSE=0.0263）高于方案二（ R2=0.8867， RMSE=0.0267）和方案一（R2=0.8879，RMSE=0.0271）。
　　（3）基于优化的预测NDVI面数据，利用SVM生成青海湖流域预测生物量数据集（2015年，8天，500米）。生物量的分布主要集中在青海湖的北部、南部以及流域中部的高寒草甸地区，2015年研究区预测生物量均值主要分布在120~180g/m2。

目录

声明

1 前 言

1.1 研究背景及意义

1.2 国内外研究现状

1.3 研究内容与技术路线

1.4 论文组织结构

1.5 本章小结

2 研究区与数据

2.1 研究区概况

2.2 数据介绍

2.3 本章小结

3 基于MODIS数据集的预测模型构建与优选

3.1 预测模型理论基础

3.2 预测模型构建与对比

3.3 预测数据精度验证

3.4 本章小结

4 青海湖生物量预测模型优化

4.1 优化模型理论基础

4.2 ARIMA优化模型构建与对比

4.3 预测NDVI数据集生成

4.4 预测NDVI精度分析

4.5 本章小结

5 青海湖流域生物量预测空间拓展及格局分析

5.1 支持向量机模型基本原理

5.2 草地地上生物量预测

5.3 地上生物量空间格局分析

5.4 青海湖流域草地变化趋势特征分析

5.5 本章小结

6 结论与展望

6.1 结论

6.2 创新点

6.3 展望

参考文献

致谢

攻读学位期间发表论文情况