于慧伶，孙绳宇，朱伊枫，李羽昕，李新立

（东北林业大学a.信息与计算机工程学院；b.机电工程学院，哈尔滨 150040）

0 引言

森林生物量是森林生态系统林分特征信息的重要体现，与森林生物多样性、蓄积量和碳储量等属性有着很强的相关性［1］。每木检尺的单木森林调查是量化森林特征的主要途径，通过测量单木胸径和树高并将其作为自变量建立相应的异速方程获得森林地上生物量，虽然这种野外测量方法准确，但耗时费力［2］。遥感作为有效的技术手段，解决了大区域林分特征定量估算问题，减少了人力与时间耗费，在较高精度下保证获得数据的空间完整性和时间一致性。激光雷达（Light Detection and Ranging，LiDAR）是一种新兴的遥感技术手段，是通过测算传感器到达目标物之间的时间进行距离换算的一种主动遥感技术，凭借其获取植被垂直结构信息的优势成功应用于林业领域［3］。

近年来，一些学者将非参数化机器学习算法应用于森林生物量遥感估算研究中［4-6］。其中，支持向量机（Support Vector Machine，SVM）能够极大地降低计算复杂性、加快求解速度，对于解决复杂的回归问题具有较好的预测性能［7］。董金金［8］应用实测地上生物量和Landsat-8遥感数据，对泰山景区的森林地上生物量进行估测，表明粒子群优化算法（Particle Swarm Optimization，PSO），优化SVM的估测性能最好。

果蝇优化算法（Fruit Fly Optimization Algorithm，FOA）是一个较新的群智能优化算法，其灵感来自真实果蝇的嗅觉与视觉觅食行为［9-10］。FOA以强大的全局寻优能力，较小的计算量等优点逐渐体现在各领域中。选……