植被的生长变化既受气候的影响又可以为气候的变化起到提示作用。对植被覆盖变化进行动态模拟预测,有利于开展生态建设工作。遥感观测为研究地表的植被覆盖变化提供了可靠的实时数据源。归一化植被指数(Normalized Difference Vegetation Index,NDVI)对绿色植被表现敏感,可以有效的反映植被生长变化,本文选用归一化植被指数作为研究对象,来预测植被的生长变化。目前植被覆盖变化预测研究只是对未来一定时间范围内,植被覆盖变化方向的预测,主要依靠的模型有马尔科夫模型,广义加法模型等,其中马尔科夫模型的应用最为广泛。植被覆盖变化预测尚未存在一个短期定量预测模型。本文对2004年到2015年3-10月的MODIS NDVI数据建立时间序列,并利用同期的温度、降水数据做回归因子,采用支持向量机回归模型建立NDVI短期预测模型。另外植被生长变化对气候因子的响应过程具有复杂性,单一的预测模型很难准确预测植被覆盖变化。针对响应过程复杂性从不同角度建立单项模型。首先用网格搜索法、遗传算法和粒子群算法对模型参数进行优化选择,然后用得到的最佳参数分别训练支持向量机,拟合结果显示网格搜索法是本实验数据的最佳优化算法。使用基于网格搜索法的支持向量机回归模型从两个角度建立了NDVI的单项预测模型,对两个单项模型做线性组合并计算最优权重系数。实验结果表明组合模型可以有效预测NDVI。