结合分数阶微分技术与机器学习算法的土壤有机碳含量光谱估测

作者：赵启东^*; 葛翔宇; 丁建丽^*; 王敬哲; 张振华; 田美玲

来源：激光与光电子学进展, 2020, 57(15): 253-261.

• 光谱学
• 土壤有机碳
• 可见光-近红外光谱
• 机器学习
• 分数阶微分

采集新疆渭干河-库车河典型绿洲96个表层土样,测量其光谱反射率和土壤有机碳(SOC)含量,采用分数阶微分技术(阶数的取值范围为0～2,步长为0.2)结合极限学习机、随机森林、多元自适应回归样条函数、弹性网络回归和梯度提升回归树(GBRT)5种机器学习算法,并对SOC含量进行高精度估算。实验结果表明:分数阶微分的预处理效果优于整数阶微分;特定波段处相关性得到明显提高,最大相关性提高了0.220;作为集成学习的GBRT(验证集中决定系数为0.878,相对分析误差为3.142)在不同阶数下均优于其他模型,建议使用基于1.6阶光谱反射率的GBRT估测干旱区绿洲SOC含量。总之,基于可见光-近红外(VIS-NIR)结合分数阶微分技术与机器学习算法,为提高估测干旱区绿洲SOC含量的模型精度提出新方案。

• 单位
  新疆大学; 广东省生态环境技术研究所