粒子群算法优化SVR的天德湖总氮遥感反演

来源：环境监测管理与技术杂志2023年第6期北京时间：

作者：李爱民；许有成；王海隆；闫翔宇；康轩；

单位：郑州大学地球科学与技术学院；郑州大学水利科学与工程学院；郑州大学水利科学与工程学院；郑州大学地球科学与技术学院；郑州大学地球科学与技术学院；

摘要：以郑州天德湖为研究水域，利用实测的水质总氮数据和光谱反射率数据，获取反演总氮浓度的最佳波段组合，以此建立支持向量机回归（SVR）模型，并利用粒子群优化算法（PSO）优化SVR模型，建立PSO-SVR模型，再利用珠海一号高光谱（OHS）数据验证该模型的精度和适用性。结果表明：PSO-SVR模型的决定系数（R2）为0.923 6，均方根误差（RMSE）为0.103 3mg/L，平均相对误差（MRE）为3.656%；SVR模型的R2、RMSE和MRE分别为0.808 0、0.203 2mg/L和6.583%，PSO-SVR反演结果优于SVR模型。利用粒子群算法优化SVR模型，有助于提高天德湖总氮浓度反演精度，即利用实测光谱数据与卫星影像数据结合来反演总氮浓度可行。

关键词：支持向量机回归,粒子群优化算法,总氮,遥感反演,高光谱数据,天德湖,

基金资助：国家自然科学联合基金资助项目（U1704125）