基于FOD-ML的干旱区土壤有机质含量估算

作     者：孜尼哈尔·祖努尼江 尼加提·卡斯木 拓跋凯薇 Zinhar Zunun;Nijat Kasim;Tuoba Kaiwei

作者机构：伊犁师范大学资源与生态研究所新疆伊宁835000 伊犁师范大学生物与地理科学学院新疆伊宁835000 

出 版 物：《中国农机化学报》 (Journal of Chinese Agricultural Mechanization)

年 卷 期：2023年第44卷第11期

页      面：201-209页

学科分类：07[理学] 08[工学] 070302[理学-分析化学] 0815[工学-水利工程] 0703[理学-化学] 

基　　金：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)。 

主　　题：干旱区 土壤有机质 分数阶微分 机器学习 

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2.11 g/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。