[发明专利]一种基于GA-SVR算法森林生物量的估测方法

权利要求书

1.一种基于GA-SVR算法森林生物量的估测方法，其特征在于：包括以下步骤：

S1：获取SAR卫星影像，经辐射定标、滤波分析、极化分解和地理编码，得到与研究区地理位置一致的各个SAR输入参数特征；

S2：将3个极化特征HH、HV、VV的后向散射系数和采用3种极化分解方法提取的10种极化分解特征，共计13个极化分解特征的物理组合因子作为输入生物量估测模型的输入变量；

S3：选取SVR模型的核函数，设定SVR的惩罚系数C、损失系数ε和宽度系数γ的范围；

S4：以输入模型的SAR特征、SVR的三个参数分别为作为单个基因，设计遗传算法的染色体，并进行二进制编码；

S5：进行野外调查，获取每木检尺的样地调查数据，或者获取角规调查样地数据，带回实验室进行样地生物量计算；

将调查样地数据、遗传算法选取的初始输入SAR特征和SVR参数进行森林地上生物量估测模型的训练；

S6：采用15折交叉验证结果作为适应度函数，结合遗传算法选取最优个体，并看是否满足迭代次数；

S7：将达到迭代次数的SAR参数、SVR模型参数输出，并输出模型的估测结果和精度，将结果作为森林地上生物量的估测结果及精度水平；

所述S2采用3种极化分解方法提取极化特征包括：Freeman-Durden极化分解方法分解出的3个极化特征：表面散射Odd、Dbl二次散射、体散射Vol；Yamaguchi极化分解方法分解的4个极化特征：表面散射Odd、二次散射Dbl、体散射Vol、螺旋体散射Hlx；Cloude-Pottier极化分解方法另分解的3个特征：熵Entropy、反熵Anisotropy、散射角Alpha；

所述S4染色体以二进制形式编码，前13位记录特征组合，值为1的位表示选择了相应的特征，值为0的位表示未选择特征，最后9位存储SVR超参数，前3位表示8个不同的C二进制码值，中间3位表示8个不同的γ二进制码值，最后3位显示8个不同的ε二进制码值，适应度函数采用K＝15和m＝1，其他参数设置如下：锦标赛选择，初始种群数＝35，世代数＝200，单点交叉率＝0.9，随机变异率＝0.9；

所述S6采用交叉验证系数CVC和决定系数R²为参数评估精度，如下式：

其中为估计结果，y_i为样地调查结果，为样地调查平均值；n是样本数；

所述S6结合遗传算法选取最优个体，若满足迭代次数，则输出优选的参数和估测结果；若不满足，则进行遗传算法的选择、交叉、变异重新生成新个体，重复S4-S6，直到到达迭代次数。