基于分数阶微分的土壤重金属高光谱遥感图像反演

摘要

高光谱成像技术在实现低成本大范围的土壤重金属快速监测方面独具潜力。针对高光谱图像反演中突出的小样本问题,本文基于分数阶微分FOD(Fractional Order Derivative)提出一种面向高光谱图像的土壤重金属反演方法。首先,利用土壤采样点的邻近像元进行样本扩充,增加样本的光谱差异性;其次,采用FOD突出光谱特征同时保留微分光谱的渐变信息;进而通过竞争自适应重加权采样CARS(Competitive Adaptive Reweighted Sampling)优选波段,采用偏最小二乘方法(PLSR)建立反演模型。以新疆维吾尔自治区哈密市黄山南矿区获取的72个土壤样本和航空高光谱图像为研究数据,对铅(Pb)、锌(Zn)、镍(Ni)3种重金属进行反演,结果表明:样本扩充不仅缓和了模型的过拟合现象,还提升了重金属反演精度;最佳阶数的分数阶微分能有效增强光谱特征,提高反演精度;CARS相对于相关系数法CC(Correlation Coefficient)、遗传算法GA(Genetic Algorithm)选出的波段组合反演精度更优,对研究区重金属Pb、Zn、Ni的反演精度R2分别为0.7974、0.8690和0.8303,反演方法具有较好的鲁棒性。