12月29日晚19：00第95期思源论坛在资环院220学术报告厅如期开展，2017级土地资源管理专业博士生洪永胜同学向我们展示了分数阶微分算法在土壤光谱领域中的应用。报告分为四个部分，第一部分介绍了分数阶微分的研究背景；第二部分介绍了分数阶微分（FOD）的方法原理；第三部分介绍了两个研究案例；最后一部分为结论和讨论。

学术报告前洪永胜同学介绍了自己的研究兴趣——1. 近地传感器、机载高光谱和星载影像的对地观测；2. 多源数据融合视角下的土壤属性的估算和数字制图（包括土壤碳、土壤潜在有毒元素等）；3. 城市土壤光谱库的空间分析、数据挖掘和机器学习。

紧接着报告进入正题，洪永胜同学介绍利用光谱尤其是近红外光谱估算包括土壤、茶叶、矿石在内的一些物质的属性，流程主要包括样品采集与制备、光谱数据采集、光谱数据预处理、建模集和验证集的划分、特征波段选择、模型构建、模型精度检验这几个步骤。分数阶微分算法主要着眼于光谱预处理，通常光谱预处理没有一个通用的算法和稳定的结果，可供探索和研究的空间还很大。分数阶微分算法可以消除原始光谱中的基线漂移、平缓背景干扰、分辨重叠峰、提高光谱分辨率等，但是也有引入噪声、降低信噪比、降低光谱强度等风险。如何平衡这两方面的效果成为利用分数阶微分进行光谱预处理的关键。

随后洪永胜同学以一阶微分和二阶微分为切入点向我们介绍了分数阶微分的方法和原理，分数阶导数扩展了整数阶导数的概念，是一个致力于研究任意阶导数的方法。FOD方法已成功用于系统建模，信号滤波和模式识别。洪永胜同学介绍了两个利用分数阶微分进行光谱预处理的应用案例：一个以土壤水分作为变量的洪湖市的水稻土壤样本，另一个是瑞典北部一处实验田块的分层土壤样本。在计算土壤经过分数阶微分后的光谱，再经过变量筛选、建模和验证，最后分析不同分数阶微分处理后的模型反演效果。

报告的最后，洪永胜同学进行了总结和讨论，相比常规使用的一阶微分和二阶微分，FOD的分析可以提供更加精细的光谱细节信息，可以平衡光谱噪声和光谱分辨率之间的关系。FOD和变量筛选方法的结合可以进一步提高模型的估算精度。此外，变量筛选还应该考虑模型运行时间与模型精度之间的平衡。

总结结束之后，在现场多位同学的提问之下，洪永胜同学分享了其申请出国留学的一些经验以及关于制定科研计划、规划科研时间的一些心得。本期思源论坛到此圆满结束。

文本：胡亚珍、李思宇

供图：安睿