基于FOD-ML的干旱区土壤有机质含量估算

打开文本图片集

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。（剩余18974字）

网站仅支持在线阅读（不支持PDF下载），如需保存文章，可以选择【打印】保存。