基于FOD-ML的干旱区土壤有机质含量估算

为探究基于分数阶微分(fractional order derivative, FOD)预处理的光谱反射率与土壤表层有机质含量之间的响应机制，以新疆乌鲁木齐县安宁渠镇土壤冠层光谱为数据源，采用G-L分数阶微分方法对高光谱数据进行0～2.0阶次(间隔0.2)预处理，并利用任意波段组合算法，计算基于分数阶微分预处理光谱的比值光谱指数、归一化光谱指数和差值光谱指数，通过竞争性自适应重加权(CARS)算法筛选土壤有机质含量的敏感波段及光谱指数等，与3种机器学习(machine learning, ML)算法(ANN、KNN和SVM)相结合，构建基于分数阶微分和机器学习方法的土壤有机质含量估算模型，并进行模型验证。结果表明：基于0～2.0阶次的两波段光谱指数与土壤有机质含量之间均呈现极显著相关，基于原数据和0.2阶预处理的NDVI和RVI相关性系数r超过0.80。该研究基于0.2阶NDVI指数的K近邻算法模拟土壤有机质含量能力表现最佳，估算模型精度分别为决定系数(R²)为0.73,均方根误差(RMSE)为2.11 g/kg,相对分析误差(RPD)为2.23。为遥感技术提供理...