分数阶微分(fractional order derivative,FOD)是重要的数学分支,它将经典的整数阶扩展到任意阶,可进一步捕捉到光谱的细节特征。该文基于高光谱影像和野外土壤样本铬(Cr)元素含量建立土壤重金属高光谱反演模型,首先,根据野外样本坐标...分数阶微分(fractional order derivative,FOD)是重要的数学分支,它将经典的整数阶扩展到任意阶,可进一步捕捉到光谱的细节特征。该文基于高光谱影像和野外土壤样本铬(Cr)元素含量建立土壤重金属高光谱反演模型,首先,根据野外样本坐标信息提取像元光谱,同时按照欧式距离最短原则提取邻近像元光谱扩充样本数量;其次,对扩充后样本进行Savitzky-Golay(SG)滤波、多元散射校正处理,在此基础上进行FOD光谱变换,采用竞争自适应重加权采样算法(competitive adaptive reweighted sampling,CARS)筛选特征波段组合;最后,根据筛选的特征组合,建立偏最小二乘回归(partial least squares regression,PLSR)模型,并进行精度评价。结果发现,扩充样本可有效缓解反演模型的“过拟合”现象,提升模型的精度和稳定性;当FOD的阶数为1.8时,PLSR反演模型的训练集和测试集精度最高,模型适应性、稳定性最强,训练集R2为0.8962、相对分析误差为3.1044,测试集R2为0.7556、相对分析误差为2.0226,均方根误差均最小,分别为16.331 mg/kg和17.094 mg/kg,模型为能够近似预测级别。该文基于国产高光谱ZY-102E数据建立硫铁矿区Cr元素含量反演模型,可在一定程度上促进国产高光谱数据土壤重金属含量反演研究,为硫铁矿区土壤重金属污染防治提供技术支撑。展开更多