基于圆损失与密集图卷积的跨域小样本高光谱图像分类技术研究

为解决植物叶片光合色素含量(LPPC)监测中类胡萝卜素(Car)与叶绿素a+b(Cab)光谱重叠的难题，研究人员创新性地将分数阶微分(FOD)算法应用于高光谱反射率数据分析。研究发现OSAVI20.2(740,715)和CTRI0.3(900,550,670,521)指数在低阶FOD光谱中展现出最优的反演精度，为植被生理状态评估提供了新方法。

　　

植物叶片光合色素含量(LPPC)作为光合作用能力、生长发育及胁迫响应的关键指标，其精确监测面临重大挑战。尽管高光谱反射系数能提供连续精细的光谱数据，但类胡萝卜素(Car)与叶绿素a+b(Cab)在可见光波段的重叠吸收特性，导致单一色素信息提取困难。

分数阶微分(FOD)技术在叶片生化参数光谱解析中展现出独特优势。基于PROSPECT模型模拟数据集和三大独立实验数据集，研究团队系统评估了不同植被指数在FOD变换下的LPPC反演性能。令人振奋的是，低阶FOD光谱的监测精度显著优于原始光谱，其中OSAVI2_0.2和CTRI_0.3指数分别在Cab和Car数据集反演中表现出卓越的准确性与鲁棒性。

经优化校准，这两个指数的FOD形式最佳波段组合确定为：OSAVI2_0.2(740,715)和CTRI_0.3(900,550,670,521)。该突破性进展不仅为LPPC估算提供了新型光谱指数，更为多物种植被生理状态评估及环境胁迫响应研究开辟了创新路径。