基于FOD-ML的干旱区土壤有机质含量估算

来源：中国农机化学报杂志2023年第11期北京时间：

作者：孜尼哈尔·祖努尼江, , 尼加提·卡斯木, , 拓跋凯薇

摘要：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2.11g/kg，相对分析误差（RPD）为2.23。为遥感技术提供理论支持，实现对土壤肥沃程度的精准监测和评估，推动智慧农业的发展。

关键词：干旱区,土壤有机质,分数阶微分,机器学习

基金资助：2022年伊犁师范大学植物生态学重点学科科研项目(YLUPE2022YB01)；伊犁师范大学2020年度博士启动科研项目(2020YSBSYJ001)；国家自然科学基金青年项目(42167058)