《表6 不同波段处受土壤内部分子化学键的影响情况对比》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《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》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

高光谱建模前，对土壤光谱进行预处理可消除基线漂移效应，减少重叠光谱带，解决重叠峰，提高光谱分辨率和灵敏度并去除由其他背景因素造成的干扰[31]。对此，目前研究主要围绕整数阶导数光谱，但这种常规整数阶又很可能会忽略掉一些有用的光谱信息[32]。FOD有机会能捕获到更多的光谱信号特征，表现出比整数阶更优的特性[11]。因此，FOD技术在SOC含量预测中的潜在应用受到越来越多的关注[14]。本实验利用分数阶微分（v的取值范围为0～2，阶次间隔为0.2）对原始光谱的反射率进行预处理后发现，预处理后的光谱数据与SOC含量的相关系数通过显著性检验的波段数量，虽然随着阶数的增加呈逐步减少的趋势，如图4所示，但在特定波段范围内的变化幅度却更为丰富。这是由于随着阶数的增加，频谱分辨率逐渐增强，高频噪声逐渐降低[32]。实验结果表明，通过FOD预处理后的数据可以浮现更多的信息，达到细化变化趋势、降低信息缺损和有效提高精度的目的，如图4所示，这是支撑实验的关键。结合史舟等[33-34]研究可知，可见光区域受C—H吸收带的影响而存在宽吸收波段，C—H吸收带直接影响SOC含量，可使可见光区域的相关性高于近红外，这有利于定量估计SOC含量，如表6所示。