基于哨兵2（Sentinel–2A）遥感数据，利用粒子群优化算法（PSO）优化支持向量回归（SVR）模型的惩罚参数（C）和核函数参数（γ），提高AGB反演精度。在变量选择过程中，采用分级变量选择方法，按照皮尔逊相关系数的绝对值排序，并构建不同变量组合的SVR和PSO–SVR模型，探讨特征选择对模型性能的影响。结果表明：通过五折交叉验证评估模型的泛化能力后，选择前10%分级变量的PSO–SVR模型表现最佳，其R2为0.989,RMSE为4.623 t/hm2，显著优于传统SVR模型（R2=0.813,RMSE=18.697 t/hm2）。随着变量数量增加，模型精度下降，所有变量参与建模时，PSO–SVR的R2降至0.311,RMSE增至35.831 t/hm2，表明冗余变量的引入会削弱模型的预测能力。综上所述，PSO优化SVR参数的有效性得到了验证，合理的变量筛选与优化算法结合可显著提高AGB估测精度。
